Pareto 26.10 Preview는 Unbiased의 혼합 언어 모델 preview 버전입니다. 여러 모델이 같은 요청을 병렬로 처리하고 작업에 따른 종합 과정을 통해 하나의 답변을 생성합니다. 제작사가 릴리스를 개발하면서 구성은 바뀔 수 있습니다. 따라서 preview 이름은 고정된 구성 모델 집합이 아니라 진화하는 버전을 식별합니다.
Pareto는 서면 프롬프트와 이미지 자료를 입력받아 텍스트 응답을 반환합니다. 문서화된 활용 분야에는 지식 집약적 추론, 조사, 에이전트 코딩이 포함됩니다. 제조사는 preview를 이전 Pareto 릴리스의 개선 버전으로 소개하며, 확장된 에이전트 워크플로에 특히 주목합니다. 이 버전은 버전 번호가 없는 Pareto 선택 및 이전의 26.9 릴리스와 구분됩니다.
조사 과제에서는 질문, 원본 자료, 답변이 지원해야 할 결정을 제공하세요. 유용한 프롬프트는 주장, 이를 뒷받침하는 지문, 미해결 의견 차이를 포함한 근거 표를 요청할 수 있습니다. 이미지가 근거의 일부라면 살펴볼 시각적 특징을 지정하고 서면 질문과의 관계를 설명하세요. 결과 답변은 이후 비교 메모, 문제 목록, 추가 조사를 위한 질문 모음이 될 수 있습니다.
소프트웨어 작업에서는 관련 코드, 예상 동작, 관찰된 실패를 포함하세요. 변경 제안과 그 확인 방법에 대한 설명을 요청하세요. 연결된 코딩 워크플로에서는 모델이 제안한 명령이나 패치를 애플리케이션의 실행 도구가 반환한 결과와 구분하세요. 후속 메시지에서 해당 결과를 제공하고 새 근거를 바탕으로 변경 제안을 수정하도록 요청할 수 있습니다.
긴 과제는 보고서 섹션, 변경의 영향을 받는 파일, 검토에서 기대하는 필드처럼 구체적인 결과물을 중심으로 준비하세요. 이후 대화가 명확한 출발점을 갖도록 작업 제약 조건과 최근 확인된 결과를 대화에 유지하세요. 예를 들어 저장소 조사는 간결한 변경 요약, 영향을 받는 구성 요소, 개발자가 실행할 확인 절차 목록으로 마무리할 수 있습니다. 이는 작업과 출력을 정리하는 방법이며 추가 모델 모드가 아닙니다.
제작사는 자체 통합 형식으로 대화 요청과 스트리밍 응답을 문서화합니다. 이는 제조사가 Pareto를 제공하는 방식을 설명하며, 혼합 모델 자체가 언어 모델 답변을 제공합니다. 외부 정보 수집, 명령 실행, 사용자 파일 변경은 주변 애플리케이션과 그 도구에 의존합니다.
", "aboutText": "Pareto 26.10 Preview는 Unbiased의 혼합 언어 모델 preview 버전입니다. 여러 모델이 같은 요청을 병렬로 처리하고 작업에 따른 종합 과정을 통해 하나의 답변을 생성합니다. 제작사가 릴리스를 개발하면서 구성은 바뀔 수 있습니다. 따라서 preview 이름은 고정된 구성 모델 집합이 아니라 진화하는 버전을 식별합니다.\n\nPareto는 서면 프롬프트와 이미지 자료를 입력받아 텍스트 응답을 반환합니다. 문서화된 활용 분야에는 지식 집약적 추론, 조사, 에이전트 코딩이 포함됩니다. 제조사는 preview를 이전 Pareto 릴리스의 개선 버전으로 소개하며, 확장된 에이전트 워크플로에 특히 주목합니다. 이 버전은 버전 번호가 없는 Pareto 선택 및 이전의 26.9 릴리스와 구분됩니다.\n\n조사 과제에서는 질문, 원본 자료, 답변이 지원해야 할 결정을 제공하세요. 유용한 프롬프트는 주장, 이를 뒷받침하는 지문, 미해결 의견 차이를 포함한 근거 표를 요청할 수 있습니다. 이미지가 근거의 일부라면 살펴볼 시각적 특징을 지정하고 서면 질문과의 관계를 설명하세요. 결과 답변은 이후 비교 메모, 문제 목록, 추가 조사를 위한 질문 모음이 될 수 있습니다.\n\n소프트웨어 작업에서는 관련 코드, 예상 동작, 관찰된 실패를 포함하세요. 변경 제안과 그 확인 방법에 대한 설명을 요청하세요. 연결된 코딩 워크플로에서는 모델이 제안한 명령이나 패치를 애플리케이션의 실행 도구가 반환한 결과와 구분하세요. 후속 메시지에서 해당 결과를 제공하고 새 근거를 바탕으로 변경 제안을 수정하도록 요청할 수 있습니다.\n\n긴 과제는 보고서 섹션, 변경의 영향을 받는 파일, 검토에서 기대하는 필드처럼 구체적인 결과물을 중심으로 준비하세요. 이후 대화가 명확한 출발점을 갖도록 작업 제약 조건과 최근 확인된 결과를 대화에 유지하세요. 예를 들어 저장소 조사는 간결한 변경 요약, 영향을 받는 구성 요소, 개발자가 실행할 확인 절차 목록으로 마무리할 수 있습니다. 이는 작업과 출력을 정리하는 방법이며 추가 모델 모드가 아닙니다.\n\n제작사는 자체 통합 형식으로 대화 요청과 스트리밍 응답을 문서화합니다. 이는 제조사가 Pareto를 제공하는 방식을 설명하며, 혼합 모델 자체가 언어 모델 답변을 제공합니다. 외부 정보 수집, 명령 실행, 사용자 파일 변경은 주변 애플리케이션과 그 도구에 의존합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Build a decision evidence table\n\nPrepare an evidence table for choosing a document editor. S1: Editor A supports tracked changes; offline editing is not mentioned. S2: Editor B supports offline editing; tracked changes require an add-on. Requirements: both features must be included without add-ons. State whether either option is established as compliant and list only the missing facts that could change that conclusion.A requirement-by-editor evidence table, a qualified conclusion and targeted unanswered questions.Check that omitted offline support is marked unknown and an add-on feature is not treated as included.unbiased/pareto-26.10-previewUnbiased의 Pareto 26.10 Preview는 추론, 조사, 코딩 작업을 위해 여러 언어 모델을 하나의 응답으로 결합합니다. 텍스트와 이미지를 입력받으며, 명명된 preview 버전의 내부 모델 조합은 바뀔 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Pareto 26.10 Preview는 Unbiased의 혼합 언어 모델 preview 버전입니다. 여러 모델이 같은 요청을 병렬로 처리하고 작업에 따른 종합 과정을 통해 하나의 답변을 생성합니다. 제작사가 릴리스를 개발하면서 구성은 바뀔 수 있습니다. 따라서 preview 이름은 고정된 구성 모델 집합이 아니라 진화하는 버전을 식별합니다.
Pareto는 서면 프롬프트와 이미지 자료를 입력받아 텍스트 응답을 반환합니다. 문서화된 활용 분야에는 지식 집약적 추론, 조사, 에이전트 코딩이 포함됩니다. 제조사는 preview를 이전 Pareto 릴리스의 개선 버전으로 소개하며, 확장된 에이전트 워크플로에 특히 주목합니다. 이 버전은 버전 번호가 없는 Pareto 선택 및 이전의 26.9 릴리스와 구분됩니다.
조사 과제에서는 질문, 원본 자료, 답변이 지원해야 할 결정을 제공하세요. 유용한 프롬프트는 주장, 이를 뒷받침하는 지문, 미해결 의견 차이를 포함한 근거 표를 요청할 수 있습니다. 이미지가 근거의 일부라면 살펴볼 시각적 특징을 지정하고 서면 질문과의 관계를 설명하세요. 결과 답변은 이후 비교 메모, 문제 목록, 추가 조사를 위한 질문 모음이 될 수 있습니다.
소프트웨어 작업에서는 관련 코드, 예상 동작, 관찰된 실패를 포함하세요. 변경 제안과 그 확인 방법에 대한 설명을 요청하세요. 연결된 코딩 워크플로에서는 모델이 제안한 명령이나 패치를 애플리케이션의 실행 도구가 반환한 결과와 구분하세요. 후속 메시지에서 해당 결과를 제공하고 새 근거를 바탕으로 변경 제안을 수정하도록 요청할 수 있습니다.
긴 과제는 보고서 섹션, 변경의 영향을 받는 파일, 검토에서 기대하는 필드처럼 구체적인 결과물을 중심으로 준비하세요. 이후 대화가 명확한 출발점을 갖도록 작업 제약 조건과 최근 확인된 결과를 대화에 유지하세요. 예를 들어 저장소 조사는 간결한 변경 요약, 영향을 받는 구성 요소, 개발자가 실행할 확인 절차 목록으로 마무리할 수 있습니다. 이는 작업과 출력을 정리하는 방법이며 추가 모델 모드가 아닙니다.
제작사는 자체 통합 형식으로 대화 요청과 스트리밍 응답을 문서화합니다. 이는 제조사가 Pareto를 제공하는 방식을 설명하며, 혼합 모델 자체가 언어 모델 답변을 제공합니다. 외부 정보 수집, 명령 실행, 사용자 파일 변경은 주변 애플리케이션과 그 도구에 의존합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 unbiased/pareto-26.10-preview | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "unbiased/pareto-26.10-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='unbiased/pareto-26.10-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='unbiased/pareto-26.10-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra unbiased/pareto-26.10-preview
위에 표시된 메서드 경로를 사용하세요.
unbiased/pareto-26.10-previewUnbiased의 Pareto 26.10 Preview는 추론, 조사, 코딩 작업을 위해 여러 언어 모델을 하나의 응답으로 결합합니다. 텍스트와 이미지를 입력받으며, 명명된 preview 버전의 내부 모델 조합은 바뀔 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Pareto 26.10 Preview는 Unbiased의 혼합 언어 모델 preview 버전입니다. 여러 모델이 같은 요청을 병렬로 처리하고 작업에 따른 종합 과정을 통해 하나의 답변을 생성합니다. 제작사가 릴리스를 개발하면서 구성은 바뀔 수 있습니다. 따라서 preview 이름은 고정된 구성 모델 집합이 아니라 진화하는 버전을 식별합니다.
Pareto는 서면 프롬프트와 이미지 자료를 입력받아 텍스트 응답을 반환합니다. 문서화된 활용 분야에는 지식 집약적 추론, 조사, 에이전트 코딩이 포함됩니다. 제조사는 preview를 이전 Pareto 릴리스의 개선 버전으로 소개하며, 확장된 에이전트 워크플로에 특히 주목합니다. 이 버전은 버전 번호가 없는 Pareto 선택 및 이전의 26.9 릴리스와 구분됩니다.
조사 과제에서는 질문, 원본 자료, 답변이 지원해야 할 결정을 제공하세요. 유용한 프롬프트는 주장, 이를 뒷받침하는 지문, 미해결 의견 차이를 포함한 근거 표를 요청할 수 있습니다. 이미지가 근거의 일부라면 살펴볼 시각적 특징을 지정하고 서면 질문과의 관계를 설명하세요. 결과 답변은 이후 비교 메모, 문제 목록, 추가 조사를 위한 질문 모음이 될 수 있습니다.
소프트웨어 작업에서는 관련 코드, 예상 동작, 관찰된 실패를 포함하세요. 변경 제안과 그 확인 방법에 대한 설명을 요청하세요. 연결된 코딩 워크플로에서는 모델이 제안한 명령이나 패치를 애플리케이션의 실행 도구가 반환한 결과와 구분하세요. 후속 메시지에서 해당 결과를 제공하고 새 근거를 바탕으로 변경 제안을 수정하도록 요청할 수 있습니다.
긴 과제는 보고서 섹션, 변경의 영향을 받는 파일, 검토에서 기대하는 필드처럼 구체적인 결과물을 중심으로 준비하세요. 이후 대화가 명확한 출발점을 갖도록 작업 제약 조건과 최근 확인된 결과를 대화에 유지하세요. 예를 들어 저장소 조사는 간결한 변경 요약, 영향을 받는 구성 요소, 개발자가 실행할 확인 절차 목록으로 마무리할 수 있습니다. 이는 작업과 출력을 정리하는 방법이며 추가 모델 모드가 아닙니다.
제작사는 자체 통합 형식으로 대화 요청과 스트리밍 응답을 문서화합니다. 이는 제조사가 Pareto를 제공하는 방식을 설명하며, 혼합 모델 자체가 언어 모델 답변을 제공합니다. 외부 정보 수집, 명령 실행, 사용자 파일 변경은 주변 애플리케이션과 그 도구에 의존합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 unbiased/pareto-26.10-preview | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.0064 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "unbiased/pareto-26.10-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'unbiased/pareto-26.10-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'unbiased/pareto-26.10-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra unbiased/pareto-26.10-preview
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Build a decision evidence table\n\nPrepare an evidence table for choosing a document editor. S1: Editor A supports tracked changes; offline editing is not mentioned. S2: Editor B supports offline editing; tracked changes require an add-on. Requirements: both features must be included without add-ons. State whether either option is established as compliant and list only the missing facts that could change that conclusion.A requirement-by-editor evidence table, a qualified conclusion and targeted unanswered questions.Check that omitted offline support is marked unknown and an add-on feature is not treated as included.