model

Pareto 26.10

Markdown · JSON

Pareto 26.10

unbiased/pareto-26.10
UnbiasedTeksMasukan US$0,0016 / 1KKeluaran US$0,0064 / 1K

Model teks gabungan Unbiased dengan konteks 1 048 576 token untuk menelaah kumpulan materi besar dan menyiapkan jawaban terperinci.

Cara kerja Pareto 26.10

Pareto 26.10 adalah rilis stabil model gabungan Unbiased. Pendekatannya memilih beberapa model terdepan dan terbuka untuk setiap permintaan, lalu menggabungkan hasilnya menjadi satu jawaban. Mekanisme ini berbeda dari sekadar meneruskan pertanyaan ke satu model: pengguna berinteraksi dengan satu Pareto dan menerima hasil bersama. Komposisi model peserta dapat berubah, sehingga nama rilis tidak menetapkan daftar model dasar yang tetap.

Pekerjaan teks di Ailoot API

Di Ailoot API, Pareto 26.10 menerima dan mengembalikan teks. Jendela konteks koneksi adalah 1 048 576 token, memuat instruksi, riwayat percakapan, materi yang diberikan, dan jawaban yang dibentuk. Metadata model menyatakan ukuran jawaban hingga 131 072 token; ini batas atas, bukan panjang wajib setiap generasi. Tetapkan volume hasil dan urutan bagian terlebih dahulu untuk pekerjaan yang terarah.

Konteks panjang memungkinkan perbandingan beberapa materi dalam satu permintaan: spesifikasi dan implementasi, persyaratan dan notulen diskusi, atau beberapa versi dokumen. Kirim potongan sumber dengan nama jelas dan minta kesimpulan dikaitkan dengannya. Misalnya, susun tabel perbedaan, temukan pertentangan persyaratan, atau siapkan rencana perubahan berdasarkan seluruh kumpulan. Ini cara menyusun tugas teks; akses berkas atau sistem eksternal ditentukan aplikasi.

Menyusun permintaan kerja

Untuk analisis kode, sertakan fungsi relevan, perilaku yang diharapkan, dan kesalahan teramati. Minta hubungan di antaranya dijelaskan dahulu, lalu perubahan setempat dan cara verifikasi diusulkan. Untuk riset teks yang diberikan, ajukan pertanyaan, daftar sumber dalam permintaan, dan tentukan pernyataan yang memerlukan rujukan ke potongan terkait. Untuk dokumen, tentukan audiens, tujuan, bagian wajib, dan kriteria penerimaan.

Koneksi teks menyediakan Messages, Responses, Chat Completions, dan antarmuka teks generateContent. Pemilihan format membantu integrasi dengan klien yang ada, tetapi tidak dengan sendirinya menambahkan pembacaan gambar, pencarian web, atau eksekusi perintah. Kode, rencana, dan saran tetap merupakan hasil generasi teks hingga aplikasi melakukan tindakan berikutnya.

Versi untuk pemilihan konsisten

Pengenal unbiased/pareto-26.10 memilih rilis 26.10 secara khusus. Ini berguna untuk menetapkan model dalam pengaturan aplikasi atau membandingkan hasil satu versi pada kumpulan tugas Anda. Rilis 26.9 tersedia terpisah dengan jendela konteksnya sendiri.

Tersedia melalui Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0016 / 1K
Keluaran
US$0,0064 / 1K
Pembacaan cache
≈US$0,00006 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0016 / 1K
Keluaran
US$0,0064 / 1K
Pembacaan cache
≈US$0,00006 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0016 / 1K
Keluaran
US$0,0064 / 1K
Pembacaan cache
≈US$0,00006 / 1K
Ultra Gemini generateContentPOST /v1beta/models/unbiased/pareto-26.10:generateContent
Masukan
text
Keluaran
text
Konteks
Tidak ditentukan dalam katalog
Panjang jawaban maksimum
Tidak ditentukan dalam katalog
Masukan
US$0,0016 / 1K
Keluaran
US$0,0064 / 1K
Pembacaan cache
≈US$0,00006 / 1K
unbiased/pareto-26.10 · JSON
{"about":"### Cara kerja Pareto 26.10\n\nPareto 26.10 adalah rilis stabil model gabungan Unbiased. Pendekatannya memilih beberapa model terdepan dan terbuka untuk setiap permintaan, lalu menggabungkan hasilnya menjadi satu jawaban. Mekanisme ini berbeda dari sekadar meneruskan pertanyaan ke satu model: pengguna berinteraksi dengan satu Pareto dan menerima hasil bersama. Komposisi model peserta dapat berubah, sehingga nama rilis tidak menetapkan daftar model dasar yang tetap.\n\n### Pekerjaan teks di Ailoot API\n\nDi Ailoot API, Pareto 26.10 menerima dan mengembalikan teks. Jendela konteks koneksi adalah 1 048 576 token, memuat instruksi, riwayat percakapan, materi yang diberikan, dan jawaban yang dibentuk. Metadata model menyatakan ukuran jawaban hingga 131 072 token; ini batas atas, bukan panjang wajib setiap generasi. Tetapkan volume hasil dan urutan bagian terlebih dahulu untuk pekerjaan yang terarah.\n\nKonteks panjang memungkinkan perbandingan beberapa materi dalam satu permintaan: spesifikasi dan implementasi, persyaratan dan notulen diskusi, atau beberapa versi dokumen. Kirim potongan sumber dengan nama jelas dan minta kesimpulan dikaitkan dengannya. Misalnya, susun tabel perbedaan, temukan pertentangan persyaratan, atau siapkan rencana perubahan berdasarkan seluruh kumpulan. Ini cara menyusun tugas teks; akses berkas atau sistem eksternal ditentukan aplikasi.\n\n### Menyusun permintaan kerja\n\nUntuk analisis kode, sertakan fungsi relevan, perilaku yang diharapkan, dan kesalahan teramati. Minta hubungan di antaranya dijelaskan dahulu, lalu perubahan setempat dan cara verifikasi diusulkan. Untuk riset teks yang diberikan, ajukan pertanyaan, daftar sumber dalam permintaan, dan tentukan pernyataan yang memerlukan rujukan ke potongan terkait. Untuk dokumen, tentukan audiens, tujuan, bagian wajib, dan kriteria penerimaan.\n\nKoneksi teks menyediakan Messages, Responses, Chat Completions, dan antarmuka teks generateContent. Pemilihan format membantu integrasi dengan klien yang ada, tetapi tidak dengan sendirinya menambahkan pembacaan gambar, pencarian web, atau eksekusi perintah. Kode, rencana, dan saran tetap merupakan hasil generasi teks hingga aplikasi melakukan tindakan berikutnya.\n\n### Versi untuk pemilihan konsisten\n\nPengenal `unbiased/pareto-26.10` memilih rilis 26.10 secara khusus. Ini berguna untuk menetapkan model dalam pengaturan aplikasi atau membandingkan hasil satu versi pada kumpulan tugas Anda. Rilis 26.9 tersedia terpisah dengan jendela konteksnya sendiri.","alias_of":null,"aliases":[],"author":"Unbiased","canonical_model":"unbiased/pareto-26.10","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"unbiased/pareto-26.10","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.06,"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":1.6,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":6.4,"output":["text"],"path":"/v1/messages","request_model_id":"unbiased/pareto-26.10","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.06,"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":1.6,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":6.4,"output":["text"],"path":"/v1/responses","request_model_id":"unbiased/pareto-26.10","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.06,"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":1.6,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":6.4,"output":["text"],"path":"/v1/chat/completions","request_model_id":"unbiased/pareto-26.10","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.06,"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":1.6,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":6.4,"output":["text"],"path":"/v1beta/models/unbiased/pareto-26.10:generateContent","request_model_id":"unbiased/pareto-26.10","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"unbiased/pareto-26.10","request_model_id":"unbiased/pareto-26.10","route_label":"Ultra"}],"name":"Pareto 26.10","price":{"in":1.6,"in_label":null,"out":6.4,"out_label":null,"sort_in":1.6,"sort_out":6.4,"varies":false},"public_id":"unbiased/pareto-26.10","short":"Model teks gabungan Unbiased dengan konteks 1 048 576 token untuk menelaah kumpulan materi besar dan menyiapkan jawaban terperinci."}

Pertanyaan

Bagaimana cara memilih model untuk tugas saya?

Tentukan dahulu input dan output yang diperlukan: teks, gambar, audio, atau video. Lalu bandingkan metode API yang kompatibel, ID model yang tepat atau model yang saat ini dirujuk oleh alias, harga, dan satuan penagihan. GET /v1/models gratis dan menampilkan model yang tersedia untuk kunci Anda.

Apakah setiap model mendukung semua metode API dan jenis media?

Gunakan metode API dan jenis input/output yang tercantum pada kartu model. Dukungan untuk teks, gambar, audio, atau video bergantung pada model dan metode yang dipilih; periksa contoh permintaannya sebelum mengirim data Anda.

Apa perbedaan antara ID model dan alias?

ID model yang tepat mengidentifikasi satu model tertentu. Alias merujuk ke sebuah model dan model tujuannya dapat berubah. Periksa model yang saat ini dirujuk oleh alias dalam katalog; gunakan ID yang tepat jika integrasi Anda memerlukan model tertentu.

Bagaimana cara membandingkan harga sebelum mengirim permintaan?

Periksa harga dan satuan penagihan untuk metode API yang dipilih pada kartu model. Bandingkan dengan satuan serta jenis input/output yang sama; riwayat permintaan menampilkan penggunaan aktual dan jumlah yang ditagihkan.

Apa manfaat langganan?

Diskon pembelian token untuk pekerjaan rutin. Pilih paket sesuai volume permintaan; ketentuan dan harga langganan ditampilkan saat pendaftaran.

Bagaimana memakai kode promo dengan diskon hingga 50%?

Masukkan kode promo saat membeli token. Total dihitung ulang sesuai ketentuan promosi; besar diskon terlihat sebelum pembayaran.