{
  "aboutHtml": "<h3>Jak działa Pareto 26.10</h3><p>Pareto 26.10 to stabilne wydanie złożonego modelu Unbiased. Opiera się na podejściu, w którym dla każdego zapytania wybiera się kilka czołowych i otwartych modeli, a ich wyniki łączy w jedną odpowiedź. Mechanizm ten różni się od prostego przekazania pytania jednemu wybranemu modelowi: użytkownik pracuje z jedną Pareto i otrzymuje wspólny wynik. Skład uczestniczących modeli może się zmieniać, dlatego nazwa wydania nie wyznacza stałej listy modeli bazowych.</p><h3>Praca z tekstem w Ailoot</h3><p>W Ailoot Pareto 26.10 przyjmuje tekst i zwraca tekst. Okno kontekstowe tego podłączenia wynosi 1 048 576 tokenów. Mieszczą się w nim instrukcje, historia rozmowy, przekazane materiały i tworzona odpowiedź. Metadane modelu wskazują objętość odpowiedzi do 131 072 tokenów; to górna granica, a nie obowiązkowa długość każdego generowania. Dla merytorycznej pracy warto wcześniej określić objętość wyniku i kolejność sekcji.</p><p>Długi kontekst pozwala zlecać zadania wymagające porównania kilku materiałów tekstowych w jednym zapytaniu: specyfikacji i implementacji, wymagań i protokołu dyskusji, kilku wariantów dokumentu. Przekaż fragmenty źródłowe z czytelnymi nazwami i poproś o wiązanie z nimi wniosków. Można na przykład stworzyć tabelę różnic, wskazać sprzeczności między wymaganiami lub przygotować plan zmian na podstawie całego zestawu. To sposoby formułowania zadania tekstowego; dostęp do plików lub systemów zewnętrznych określa aplikacja.</p><h3>Jak zbudować robocze zapytanie</h3><p>Przy analizie kodu uwzględnij właściwe funkcje, oczekiwane zachowanie i obserwowany błąd. Poproś najpierw o wyjaśnienie zależności między nimi, a następnie o lokalną zmianę i sposoby sprawdzenia. Przy badaniu dostarczonych tekstów zadaj pytanie, wymień źródła w zapytaniu i określ, które twierdzenia mają wskazywać odpowiedni fragment. Przy przygotowaniu dokumentu podaj odbiorców, przeznaczenie, obowiązkowe sekcje i kryteria odbioru.</p><p>Podłączenie tekstowe jest dostępne przez metody Messages, Responses, Chat Completions i interfejs tekstowy generateContent. Wybór formatu pomaga włączyć model do istniejącego klienta. Sam w sobie nie dodaje odczytu obrazów, wyszukiwania w internecie ani wykonywania poleceń. Otrzymany kod, plan i zalecenia pozostają wynikiem generowania tekstu, dopóki aplikacja nie podejmie dalszych działań.</p><h3>Wersja do odtwarzalnego wyboru</h3><p>Identyfikator <code>unbiased/pareto-26.10</code> wybiera dokładnie wydanie 26.10. Jest to wygodne, gdy trzeba jawnie przypisać model w ustawieniach aplikacji lub porównywać wyniki jednej wersji na własnym zestawie zadań. Wydanie 26.9 istnieje osobno i ma własne okno kontekstowe.</p>",
  "aboutText": "### Jak działa Pareto 26.10\n\nPareto 26.10 to stabilne wydanie złożonego modelu Unbiased. Opiera się na podejściu, w którym dla każdego zapytania wybiera się kilka czołowych i otwartych modeli, a ich wyniki łączy w jedną odpowiedź. Mechanizm ten różni się od prostego przekazania pytania jednemu wybranemu modelowi: użytkownik pracuje z jedną Pareto i otrzymuje wspólny wynik. Skład uczestniczących modeli może się zmieniać, dlatego nazwa wydania nie wyznacza stałej listy modeli bazowych.\n\n### Praca z tekstem w Ailoot\n\nW Ailoot Pareto 26.10 przyjmuje tekst i zwraca tekst. Okno kontekstowe tego podłączenia wynosi 1 048 576 tokenów. Mieszczą się w nim instrukcje, historia rozmowy, przekazane materiały i tworzona odpowiedź. Metadane modelu wskazują objętość odpowiedzi do 131 072 tokenów; to górna granica, a nie obowiązkowa długość każdego generowania. Dla merytorycznej pracy warto wcześniej określić objętość wyniku i kolejność sekcji.\n\nDługi kontekst pozwala zlecać zadania wymagające porównania kilku materiałów tekstowych w jednym zapytaniu: specyfikacji i implementacji, wymagań i protokołu dyskusji, kilku wariantów dokumentu. Przekaż fragmenty źródłowe z czytelnymi nazwami i poproś o wiązanie z nimi wniosków. Można na przykład stworzyć tabelę różnic, wskazać sprzeczności między wymaganiami lub przygotować plan zmian na podstawie całego zestawu. To sposoby formułowania zadania tekstowego; dostęp do plików lub systemów zewnętrznych określa aplikacja.\n\n### Jak zbudować robocze zapytanie\n\nPrzy analizie kodu uwzględnij właściwe funkcje, oczekiwane zachowanie i obserwowany błąd. Poproś najpierw o wyjaśnienie zależności między nimi, a następnie o lokalną zmianę i sposoby sprawdzenia. Przy badaniu dostarczonych tekstów zadaj pytanie, wymień źródła w zapytaniu i określ, które twierdzenia mają wskazywać odpowiedni fragment. Przy przygotowaniu dokumentu podaj odbiorców, przeznaczenie, obowiązkowe sekcje i kryteria odbioru.\n\nPodłączenie tekstowe jest dostępne przez metody Messages, Responses, Chat Completions i interfejs tekstowy generateContent. Wybór formatu pomaga włączyć model do istniejącego klienta. Sam w sobie nie dodaje odczytu obrazów, wyszukiwania w internecie ani wykonywania poleceń. Otrzymany kod, plan i zalecenia pozostają wynikiem generowania tekstu, dopóki aplikacja nie podejmie dalszych działań.\n\n### Wersja do odtwarzalnego wyboru\n\nIdentyfikator `unbiased/pareto-26.10` wybiera dokładnie wydanie 26.10. Jest to wygodne, gdy trzeba jawnie przypisać model w ustawieniach aplikacji lub porównywać wyniki jednej wersji na własnym zestawie zadań. Wydanie 26.9 istnieje osobno i ma własne okno kontekstowe.",
  "locale": "pl",
  "methods": [
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Anthropic Messages</b><code>POST /v1/messages</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Wejście</dt><dd><code>text</code></dd></div><div><dt>Wyjście</dt><dd><code>text</code></dd></div><div><dt>Kontekst</dt><dd>Nie określono w katalogu</dd></div><div><dt>Maks. odpowiedź</dt><dd>Nie określono w katalogu</dd></div></dl><dl><div><dt>Wejście</dt><dd>0,0016 USD <em>/ 1K</em></dd></div><div><dt>Wyjście</dt><dd>0,0064 USD <em>/ 1K</em></dd></div><div><dt>Odczyt cache</dt><dd>≈0,00006 USD <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.10",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "unbiased/pareto-26.10",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|unbiased%2Fpareto-26.10",
      "ordinal": 0,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Responses</b><code>POST /v1/responses</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Wejście</dt><dd><code>text</code></dd></div><div><dt>Wyjście</dt><dd><code>text</code></dd></div><div><dt>Kontekst</dt><dd>Nie określono w katalogu</dd></div><div><dt>Maks. odpowiedź</dt><dd>Nie określono w katalogu</dd></div></dl><dl><div><dt>Wejście</dt><dd>0,0016 USD <em>/ 1K</em></dd></div><div><dt>Wyjście</dt><dd>0,0064 USD <em>/ 1K</em></dd></div><div><dt>Odczyt cache</dt><dd>≈0,00006 USD <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.10",
        "fmt": "responses",
        "http": "POST",
        "path": "/v1/responses",
        "request_model_id": "unbiased/pareto-26.10",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|responses|/v1/responses|unbiased%2Fpareto-26.10",
      "ordinal": 1,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Chat</b><code>POST /v1/chat/completions</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Wejście</dt><dd><code>text</code></dd></div><div><dt>Wyjście</dt><dd><code>text</code></dd></div><div><dt>Kontekst</dt><dd>Nie określono w katalogu</dd></div><div><dt>Maks. odpowiedź</dt><dd>Nie określono w katalogu</dd></div></dl><dl><div><dt>Wejście</dt><dd>0,0016 USD <em>/ 1K</em></dd></div><div><dt>Wyjście</dt><dd>0,0064 USD <em>/ 1K</em></dd></div><div><dt>Odczyt cache</dt><dd>≈0,00006 USD <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.10",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "unbiased/pareto-26.10",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|unbiased%2Fpareto-26.10",
      "ordinal": 2,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Gemini generateContent</b><code>POST /v1beta/models/unbiased/pareto-26.10:generateContent</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Wejście</dt><dd><code>text</code></dd></div><div><dt>Wyjście</dt><dd><code>text</code></dd></div><div><dt>Kontekst</dt><dd>Nie określono w katalogu</dd></div><div><dt>Maks. odpowiedź</dt><dd>Nie określono w katalogu</dd></div></dl><dl><div><dt>Wejście</dt><dd>0,0016 USD <em>/ 1K</em></dd></div><div><dt>Wyjście</dt><dd>0,0064 USD <em>/ 1K</em></dd></div><div><dt>Odczyt cache</dt><dd>≈0,00006 USD <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.10",
        "fmt": "gemini",
        "http": "POST",
        "path": "/v1beta/models/unbiased/pareto-26.10:generateContent",
        "request_model_id": "unbiased/pareto-26.10",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|gemini|/v1beta/models/unbiased/pareto-26.10:generateContent|unbiased%2Fpareto-26.10",
      "ordinal": 3,
      "rawMethod": {
        "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_id": "unbiased/pareto-26.10",
  "page": {
    "canonical": "https://ailoot.ai/models/pl/unbiased-pareto-26-10/",
    "description": "Złożony model tekstowy Unbiased z kontekstem 1 048 576 tokenów do analizy dużych zestawów materiałów i przygotowywania rozbudowanych odpowiedzi.",
    "locale": "pl",
    "md_url": "https://ailoot.ai/models/pl/unbiased-pareto-26-10/index.md",
    "title": "Pareto 26.10",
    "url": "https://ailoot.ai/models/pl/unbiased-pareto-26-10/"
  },
  "rawModel": {
    "about": "### Jak działa Pareto 26.10\n\nPareto 26.10 to stabilne wydanie złożonego modelu Unbiased. Opiera się na podejściu, w którym dla każdego zapytania wybiera się kilka czołowych i otwartych modeli, a ich wyniki łączy w jedną odpowiedź. Mechanizm ten różni się od prostego przekazania pytania jednemu wybranemu modelowi: użytkownik pracuje z jedną Pareto i otrzymuje wspólny wynik. Skład uczestniczących modeli może się zmieniać, dlatego nazwa wydania nie wyznacza stałej listy modeli bazowych.\n\n### Praca z tekstem w Ailoot\n\nW Ailoot Pareto 26.10 przyjmuje tekst i zwraca tekst. Okno kontekstowe tego podłączenia wynosi 1 048 576 tokenów. Mieszczą się w nim instrukcje, historia rozmowy, przekazane materiały i tworzona odpowiedź. Metadane modelu wskazują objętość odpowiedzi do 131 072 tokenów; to górna granica, a nie obowiązkowa długość każdego generowania. Dla merytorycznej pracy warto wcześniej określić objętość wyniku i kolejność sekcji.\n\nDługi kontekst pozwala zlecać zadania wymagające porównania kilku materiałów tekstowych w jednym zapytaniu: specyfikacji i implementacji, wymagań i protokołu dyskusji, kilku wariantów dokumentu. Przekaż fragmenty źródłowe z czytelnymi nazwami i poproś o wiązanie z nimi wniosków. Można na przykład stworzyć tabelę różnic, wskazać sprzeczności między wymaganiami lub przygotować plan zmian na podstawie całego zestawu. To sposoby formułowania zadania tekstowego; dostęp do plików lub systemów zewnętrznych określa aplikacja.\n\n### Jak zbudować robocze zapytanie\n\nPrzy analizie kodu uwzględnij właściwe funkcje, oczekiwane zachowanie i obserwowany błąd. Poproś najpierw o wyjaśnienie zależności między nimi, a następnie o lokalną zmianę i sposoby sprawdzenia. Przy badaniu dostarczonych tekstów zadaj pytanie, wymień źródła w zapytaniu i określ, które twierdzenia mają wskazywać odpowiedni fragment. Przy przygotowaniu dokumentu podaj odbiorców, przeznaczenie, obowiązkowe sekcje i kryteria odbioru.\n\nPodłączenie tekstowe jest dostępne przez metody Messages, Responses, Chat Completions i interfejs tekstowy generateContent. Wybór formatu pomaga włączyć model do istniejącego klienta. Sam w sobie nie dodaje odczytu obrazów, wyszukiwania w internecie ani wykonywania poleceń. Otrzymany kod, plan i zalecenia pozostają wynikiem generowania tekstu, dopóki aplikacja nie podejmie dalszych działań.\n\n### Wersja do odtwarzalnego wyboru\n\nIdentyfikator `unbiased/pareto-26.10` wybiera dokładnie wydanie 26.10. Jest to wygodne, gdy trzeba jawnie przypisać model w ustawieniach aplikacji lub porównywać wyniki jednej wersji na własnym zestawie zadań. Wydanie 26.9 istnieje osobno i ma własne okno kontekstowe.",
    "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": "Złożony model tekstowy Unbiased z kontekstem 1 048 576 tokenów do analizy dużych zestawów materiałów i przygotowywania rozbudowanych odpowiedzi."
  },
  "renderer_schema": {
    "method_order": "rawModel.methods-ordinal",
    "prices": "exact-native-DTO-units-and-selected-renderer-html"
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Złożony model tekstowy Unbiased z kontekstem 1 048 576 tokenów do analizy dużych zestawów materiałów i przygotowywania rozbudowanych odpowiedzi.",
  "source": {
    "audit_sha256": "691f84552ff42108a36521c738dde8ce10297da75dbd6c5796017c6b160538ee",
    "bridge_map_sha256": "691f84552ff42108a36521c738dde8ce10297da75dbd6c5796017c6b160538ee",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "434e2d465f44d0a6239501832942d3c0c5c7b0c351c68d06ae8db0f4946a80a5",
      "renderer_sha256": "19857fe4524e380b439f3b08d06374786526d2163493acd84b2077bd615ff582"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "434e2d465f44d0a6239501832942d3c0c5c7b0c351c68d06ae8db0f4946a80a5",
    "renderer_sha256": "19857fe4524e380b439f3b08d06374786526d2163493acd84b2077bd615ff582"
  },
  "sourceRevision": "1192aaa6bdd2057d5c0cc9b205b4b8286c8fe0fa335670a373c069cac3398888"
}