modelos

Pareto 26.9

Markdown · JSON

Pareto 26.9

unbiased/pareto-26.9
UnbiasedTextoEntrada USD 0.005 / 1KSalida USD 0.015 / 1K

Versión anterior del modelo de texto compuesto de Unbiased, con contexto de 262 144 tokens para flujos de trabajo con una versión fijada explícitamente.

La versión anterior de la familia Pareto

Pareto 26.9 es una versión independiente del modelo compuesto de Unbiased. En la familia Pareto, una solicitud se procesa con la participación de varios modelos de vanguardia y abiertos, cuyos resultados se combinan en una respuesta conjunta. El usuario trabaja con un solo modelo Pareto en lugar de seleccionar manualmente cada componente. El desarrollador indica que los modelos base participantes pueden cambiar.

La versión 26.9 se mantiene tras la aparición de la versión estable 26.10. Su identificador exacto unbiased/pareto-26.9 permite elegir expresamente la versión anterior en la aplicación. Tiene sentido para flujos existentes y comparaciones en los que importa indicar la versión utilizada en vez de pasar automáticamente a la siguiente. Fijar el nombre no significa que la composición interna se vuelva inmutable.

Trabajo con los materiales proporcionados

En Ailoot, esta versión recibe texto y genera una respuesta de texto. Su ventana de contexto es de 262 144 tokens. Incluye las instrucciones, el historial, los materiales de partida y la respuesta; los metadatos del modelo indican un volumen de respuesta de hasta 131 072 tokens. La versión 26.10 tiene una ventana de contexto mayor, por lo que al elegir 26.9 conviene seleccionar previamente los documentos y fragmentos realmente pertinentes para la tarea.

El flujo de trabajo puede centrarse en comparar varios textos. Envía los requisitos, las opciones de solución y los criterios de elección y pide una tabla comparativa con argumentos para cada criterio. Para un documento largo, indica la finalidad del análisis: detectar contradicciones, preparar un resumen sustantivo, reunir preguntas para el autor o elaborar una estructura actualizada. Los nombres de los fragmentos originales ayudan a vincular las conclusiones con los datos incluidos en la solicitud.

Diálogo técnico

Al analizar una tarea de programación, incluye el código pertinente y el resultado de ejecución que ya hayas obtenido en tu entorno. Pide explicar lo observado, proponer un cambio y enumerar las señales que permitirán comprobar su resultado. En el siguiente mensaje, envía el resultado de la comprobación. Así se vincula el diálogo de texto con una tarea real sin suponer que el modelo tenga acceso a los archivos o al entorno de ejecución.

Para preparar un texto nuevo, conviene definir el público, el plan y el nivel de detalle requerido. La respuesta puede ser un borrador de documento, una síntesis de los datos de partida, una lista de diferencias o una secuencia de acciones posteriores; tu solicitud determina el formato concreto.

Pareto 26.9 se ofrece en los formatos Messages, Responses, Chat Completions y generateContent de texto. Describen formas de integración en el cliente. En esta conexión, los materiales se envían como texto; elegir un formato de solicitud no añade imágenes, ejecución de código ni acceso a sistemas externos.

Disponible mediante la API de Ailoot

Ultra Anthropic MessagesPOST /v1/messages
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.005 / 1K
Salida
USD 0.015 / 1K
Lectura de caché
USD 0.0005 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.005 / 1K
Salida
USD 0.015 / 1K
Lectura de caché
USD 0.0005 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.005 / 1K
Salida
USD 0.015 / 1K
Lectura de caché
USD 0.0005 / 1K
Ultra Gemini generateContentPOST /v1beta/models/unbiased/pareto-26.9:generateContent
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.005 / 1K
Salida
USD 0.015 / 1K
Lectura de caché
USD 0.0005 / 1K
unbiased/pareto-26.9 · JSON
{"about":"### La versión anterior de la familia Pareto\n\nPareto 26.9 es una versión independiente del modelo compuesto de Unbiased. En la familia Pareto, una solicitud se procesa con la participación de varios modelos de vanguardia y abiertos, cuyos resultados se combinan en una respuesta conjunta. El usuario trabaja con un solo modelo Pareto en lugar de seleccionar manualmente cada componente. El desarrollador indica que los modelos base participantes pueden cambiar.\n\nLa versión 26.9 se mantiene tras la aparición de la versión estable 26.10. Su identificador exacto `unbiased/pareto-26.9` permite elegir expresamente la versión anterior en la aplicación. Tiene sentido para flujos existentes y comparaciones en los que importa indicar la versión utilizada en vez de pasar automáticamente a la siguiente. Fijar el nombre no significa que la composición interna se vuelva inmutable.\n\n### Trabajo con los materiales proporcionados\n\nEn Ailoot, esta versión recibe texto y genera una respuesta de texto. Su ventana de contexto es de 262 144 tokens. Incluye las instrucciones, el historial, los materiales de partida y la respuesta; los metadatos del modelo indican un volumen de respuesta de hasta 131 072 tokens. La versión 26.10 tiene una ventana de contexto mayor, por lo que al elegir 26.9 conviene seleccionar previamente los documentos y fragmentos realmente pertinentes para la tarea.\n\nEl flujo de trabajo puede centrarse en comparar varios textos. Envía los requisitos, las opciones de solución y los criterios de elección y pide una tabla comparativa con argumentos para cada criterio. Para un documento largo, indica la finalidad del análisis: detectar contradicciones, preparar un resumen sustantivo, reunir preguntas para el autor o elaborar una estructura actualizada. Los nombres de los fragmentos originales ayudan a vincular las conclusiones con los datos incluidos en la solicitud.\n\n### Diálogo técnico\n\nAl analizar una tarea de programación, incluye el código pertinente y el resultado de ejecución que ya hayas obtenido en tu entorno. Pide explicar lo observado, proponer un cambio y enumerar las señales que permitirán comprobar su resultado. En el siguiente mensaje, envía el resultado de la comprobación. Así se vincula el diálogo de texto con una tarea real sin suponer que el modelo tenga acceso a los archivos o al entorno de ejecución.\n\nPara preparar un texto nuevo, conviene definir el público, el plan y el nivel de detalle requerido. La respuesta puede ser un borrador de documento, una síntesis de los datos de partida, una lista de diferencias o una secuencia de acciones posteriores; tu solicitud determina el formato concreto.\n\nPareto 26.9 se ofrece en los formatos Messages, Responses, Chat Completions y generateContent de texto. Describen formas de integración en el cliente. En esta conexión, los materiales se envían como texto; elegir un formato de solicitud no añade imágenes, ejecución de código ni acceso a sistemas externos.","alias_of":null,"aliases":[],"author":"Unbiased","canonical_model":"unbiased/pareto-26.9","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"unbiased/pareto-26.9","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.5,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":5.0,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":15.0,"output":["text"],"path":"/v1/messages","request_model_id":"unbiased/pareto-26.9","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.5,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":5.0,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":15.0,"output":["text"],"path":"/v1/responses","request_model_id":"unbiased/pareto-26.9","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.5,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":5.0,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":15.0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"unbiased/pareto-26.9","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.5,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":5.0,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":15.0,"output":["text"],"path":"/v1beta/models/unbiased/pareto-26.9:generateContent","request_model_id":"unbiased/pareto-26.9","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"unbiased/pareto-26.9","request_model_id":"unbiased/pareto-26.9","route_label":"Ultra"}],"name":"Pareto 26.9","price":{"in":5.0,"in_label":null,"out":15.0,"out_label":null,"sort_in":5.0,"sort_out":15.0,"varies":false},"public_id":"unbiased/pareto-26.9","short":"Versión anterior del modelo de texto compuesto de Unbiased, con contexto de 262 144 tokens para flujos de trabajo con una versión fijada explícitamente."}

Preguntas

¿Cómo elijo un modelo para mi tarea?

Primero determina la entrada y la salida necesarias: texto, imagen, audio o vídeo. Después compara los métodos de API compatibles, el ID exacto del modelo o el modelo al que apunta actualmente el alias, el precio y la unidad de facturación. GET /v1/models es gratuito y enumera los modelos disponibles para tu clave.

¿Cada modelo admite todos los métodos de API y tipos de contenido?

Utiliza los métodos de API y los tipos de entrada y salida que figuran en la ficha del modelo. La compatibilidad con texto, imágenes, audio o vídeo depende del modelo y del método seleccionados; consulta su ejemplo de solicitud antes de enviar tus datos.

¿Qué diferencia hay entre el ID de un modelo y un alias?

Un ID exacto identifica un modelo concreto. Un alias apunta a un modelo y su destino puede cambiar. Consulta en el catálogo a qué modelo apunta actualmente el alias; utiliza el ID exacto cuando tu integración necesite un modelo concreto.

¿Cómo comparo los precios antes de enviar una solicitud?

Consulta en la ficha del modelo el precio y la unidad de facturación del método de API seleccionado. Compara la misma unidad y el mismo tipo de entrada y salida; el historial de solicitudes muestra el uso real y el importe cobrado.

¿Qué ofrece la suscripción?

Descuento en compra de tokens para trabajo habitual. Elige el plan según tu volumen; condiciones y precio se muestran al contratar.

¿Cómo aplico un código de hasta el 50%?

Introduce el código al comprar tokens. El importe se recalcula según la promoción; ves el descuento antes de pagar.