Pareto 26.10

{"about":"### Como funciona o Pareto 26.10\n\nO Pareto 26.10 é uma versão estável do modelo composto da Unbiased. Baseia-se numa abordagem que seleciona vários modelos de vanguarda e abertos para cada pedido e combina os respetivos resultados numa única resposta. Este mecanismo difere do simples envio da pergunta a um único modelo escolhido: o utilizador interage com um só Pareto e recebe um resultado conjunto. Os modelos participantes podem mudar, pelo que o nome da versão não define uma lista fixa de modelos base.\n\n### Trabalho textual na Ailoot\n\nNa Ailoot, o Pareto 26.10 recebe texto e devolve texto. A janela de contexto desta ligação é de 1 048 576 tokens. Inclui instruções, histórico da conversa, materiais fornecidos e a resposta gerada. Os metadados do modelo indicam um volume de resposta até 131 072 tokens; é um máximo, não uma extensão obrigatória de cada geração. Para trabalho com conteúdo, é útil definir previamente o volume do resultado e a ordem das secções.\n\nO contexto longo permite tarefas que comparam vários materiais textuais num único pedido: um caderno de requisitos e a implementação, requisitos e atas de discussão ou várias versões de um documento. Forneça os excertos originais com nomes claros e peça que as conclusões sejam ligadas a esses excertos. Por exemplo, pode construir uma tabela de diferenças, identificar contradições entre requisitos ou preparar um plano de alterações com base no conjunto. São formas de formular uma tarefa textual; o acesso aos seus ficheiros ou a sistemas externos é definido pela aplicação.\n\n### Como construir um pedido de trabalho\n\nPara analisar código, inclua as funções relevantes, o comportamento esperado e o erro observado. Peça primeiro uma explicação da relação entre eles e depois uma alteração localizada e formas de verificação. Para investigação sobre textos fornecidos, coloque a pergunta, enumere as fontes dentro do pedido e defina que afirmações devem ser acompanhadas de uma referência ao excerto correspondente. Para preparar um documento, indique o público, a finalidade, as secções obrigatórias e os critérios de aceitação.\n\nA ligação textual está disponível através de Messages, Responses, Chat Completions e da interface textual de generateContent. A escolha do formato ajuda a integrar o modelo num cliente existente. Por si só, não acrescenta leitura de imagens, pesquisa na web ou execução de comandos. O código, os planos e as recomendações obtidos continuam a ser resultados de geração de texto até a aplicação executar as ações seguintes.\n\n### Uma versão para seleção reproduzível\n\nO identificador `unbiased/pareto-26.10` seleciona especificamente a versão 26.10. É útil quando pretende fixar explicitamente o modelo nas definições da aplicação ou comparar resultados da mesma versão no seu conjunto de tarefas. A versão 26.9 existe separadamente e tem a sua própria janela de contexto.","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":"Modelo textual composto da Unbiased com contexto de 1 048 576 tokens para analisar grandes conjuntos de materiais e preparar respostas desenvolvidas."}