{
  "aboutHtml": "<h3>A versão anterior da família Pareto</h3><p>O Pareto 26.9 é uma versão separada do modelo composto da Unbiased. Na família Pareto, um pedido é processado com a participação de vários modelos de vanguarda e abertos, cujos resultados são combinados numa resposta conjunta. O utilizador trabalha com um só modelo Pareto, em vez de escolher manualmente cada componente. O fabricante indica que a composição dos modelos base pode mudar.</p><p>A versão 26.9 foi mantida após o aparecimento da versão estável 26.10. O seu identificador exato <code>unbiased/pareto-26.9</code> permite selecionar explicitamente a versão anterior na aplicação. Isto faz sentido para processos existentes e comparações em que importa indicar a versão utilizada, em vez de passar automaticamente à seguinte. Fixar o nome não significa que a composição interna fique imutável.</p><h3>Trabalho com os materiais fornecidos</h3><p>Na Ailoot, esta versão recebe texto e produz uma resposta textual. A sua janela de contexto é de 262 144 tokens. Inclui instruções, histórico, materiais de partida e a resposta; os metadados do modelo indicam um volume de resposta até 131 072 tokens. A versão 26.10 tem uma janela de contexto maior, pelo que, ao escolher a 26.9, é útil selecionar previamente os documentos e excertos realmente pertinentes para a tarefa.</p><p>O processo pode centrar-se na comparação de vários textos. Forneça os requisitos, as opções de solução e os critérios de escolha e peça uma tabela comparativa com argumentos para cada critério. Para um documento longo, indique a finalidade da análise: detetar contradições, elaborar um resumo de conteúdo, reunir perguntas para o autor ou preparar uma estrutura atualizada. Os nomes dos excertos originais ajudam a ligar as conclusões aos dados presentes no pedido.</p><h3>Diálogo técnico</h3><p>Ao analisar uma tarefa de programação, inclua o código relevante e o resultado de execução que já obteve no seu ambiente. Peça uma explicação da observação, uma proposta de alteração e os sinais que permitem verificar o respetivo resultado. Na mensagem seguinte, forneça o resultado da verificação. Assim, o diálogo textual liga-se a uma tarefa real sem pressupor que o modelo tem acesso aos ficheiros ou ao ambiente de execução.</p><p>Para preparar um texto novo, é útil definir o público, o plano e o grau de detalhe necessário. A resposta pode ser um rascunho de documento, uma síntese dos dados de partida, uma lista de diferenças ou uma sequência de ações seguintes; o formato concreto é determinado pelo seu pedido.</p><p>O Pareto 26.9 está disponível nos formatos Messages, Responses, Chat Completions e generateContent textual. Descrevem formas de integração no cliente. Nesta ligação, os materiais são fornecidos em texto; a escolha do formato do pedido não acrescenta imagens, execução de código ou acesso a sistemas externos.</p>",
  "aboutText": "### A versão anterior da família Pareto\n\nO Pareto 26.9 é uma versão separada do modelo composto da Unbiased. Na família Pareto, um pedido é processado com a participação de vários modelos de vanguarda e abertos, cujos resultados são combinados numa resposta conjunta. O utilizador trabalha com um só modelo Pareto, em vez de escolher manualmente cada componente. O fabricante indica que a composição dos modelos base pode mudar.\n\nA versão 26.9 foi mantida após o aparecimento da versão estável 26.10. O seu identificador exato `unbiased/pareto-26.9` permite selecionar explicitamente a versão anterior na aplicação. Isto faz sentido para processos existentes e comparações em que importa indicar a versão utilizada, em vez de passar automaticamente à seguinte. Fixar o nome não significa que a composição interna fique imutável.\n\n### Trabalho com os materiais fornecidos\n\nNa Ailoot, esta versão recebe texto e produz uma resposta textual. A sua janela de contexto é de 262 144 tokens. Inclui instruções, histórico, materiais de partida e a resposta; os metadados do modelo indicam um volume de resposta até 131 072 tokens. A versão 26.10 tem uma janela de contexto maior, pelo que, ao escolher a 26.9, é útil selecionar previamente os documentos e excertos realmente pertinentes para a tarefa.\n\nO processo pode centrar-se na comparação de vários textos. Forneça os requisitos, as opções de solução e os critérios de escolha e peça uma tabela comparativa com argumentos para cada critério. Para um documento longo, indique a finalidade da análise: detetar contradições, elaborar um resumo de conteúdo, reunir perguntas para o autor ou preparar uma estrutura atualizada. Os nomes dos excertos originais ajudam a ligar as conclusões aos dados presentes no pedido.\n\n### Diálogo técnico\n\nAo analisar uma tarefa de programação, inclua o código relevante e o resultado de execução que já obteve no seu ambiente. Peça uma explicação da observação, uma proposta de alteração e os sinais que permitem verificar o respetivo resultado. Na mensagem seguinte, forneça o resultado da verificação. Assim, o diálogo textual liga-se a uma tarefa real sem pressupor que o modelo tem acesso aos ficheiros ou ao ambiente de execução.\n\nPara preparar um texto novo, é útil definir o público, o plano e o grau de detalhe necessário. A resposta pode ser um rascunho de documento, uma síntese dos dados de partida, uma lista de diferenças ou uma sequência de ações seguintes; o formato concreto é determinado pelo seu pedido.\n\nO Pareto 26.9 está disponível nos formatos Messages, Responses, Chat Completions e generateContent textual. Descrevem formas de integração no cliente. Nesta ligação, os materiais são fornecidos em texto; a escolha do formato do pedido não acrescenta imagens, execução de código ou acesso a sistemas externos.",
  "locale": "pt-pt",
  "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>Entrada</dt><dd><code>text</code></dd></div><div><dt>Saída</dt><dd><code>text</code></dd></div><div><dt>Contexto</dt><dd>Não especificado no catálogo</dd></div><div><dt>Resposta máx.</dt><dd>Não especificado no catálogo</dd></div></dl><dl><div><dt>Entrada</dt><dd>0,005 US$ <em>/ 1K</em></dd></div><div><dt>Saída</dt><dd>0,015 US$ <em>/ 1K</em></dd></div><div><dt>Leitura da cache</dt><dd>0,0005 US$ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.9",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "unbiased/pareto-26.9",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|unbiased%2Fpareto-26.9",
      "ordinal": 0,
      "rawMethod": {
        "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": []
      }
    },
    {
      "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>Entrada</dt><dd><code>text</code></dd></div><div><dt>Saída</dt><dd><code>text</code></dd></div><div><dt>Contexto</dt><dd>Não especificado no catálogo</dd></div><div><dt>Resposta máx.</dt><dd>Não especificado no catálogo</dd></div></dl><dl><div><dt>Entrada</dt><dd>0,005 US$ <em>/ 1K</em></dd></div><div><dt>Saída</dt><dd>0,015 US$ <em>/ 1K</em></dd></div><div><dt>Leitura da cache</dt><dd>0,0005 US$ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.9",
        "fmt": "responses",
        "http": "POST",
        "path": "/v1/responses",
        "request_model_id": "unbiased/pareto-26.9",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|responses|/v1/responses|unbiased%2Fpareto-26.9",
      "ordinal": 1,
      "rawMethod": {
        "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": []
      }
    },
    {
      "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>Entrada</dt><dd><code>text</code></dd></div><div><dt>Saída</dt><dd><code>text</code></dd></div><div><dt>Contexto</dt><dd>Não especificado no catálogo</dd></div><div><dt>Resposta máx.</dt><dd>Não especificado no catálogo</dd></div></dl><dl><div><dt>Entrada</dt><dd>0,005 US$ <em>/ 1K</em></dd></div><div><dt>Saída</dt><dd>0,015 US$ <em>/ 1K</em></dd></div><div><dt>Leitura da cache</dt><dd>0,0005 US$ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.9",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "unbiased/pareto-26.9",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|unbiased%2Fpareto-26.9",
      "ordinal": 2,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Gemini generateContent</b><code>POST /v1beta/models/unbiased/pareto-26.9:generateContent</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>Entrada</dt><dd><code>text</code></dd></div><div><dt>Saída</dt><dd><code>text</code></dd></div><div><dt>Contexto</dt><dd>Não especificado no catálogo</dd></div><div><dt>Resposta máx.</dt><dd>Não especificado no catálogo</dd></div></dl><dl><div><dt>Entrada</dt><dd>0,005 US$ <em>/ 1K</em></dd></div><div><dt>Saída</dt><dd>0,015 US$ <em>/ 1K</em></dd></div><div><dt>Leitura da cache</dt><dd>0,0005 US$ <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "unbiased/pareto-26.9",
        "fmt": "gemini",
        "http": "POST",
        "path": "/v1beta/models/unbiased/pareto-26.9:generateContent",
        "request_model_id": "unbiased/pareto-26.9",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|gemini|/v1beta/models/unbiased/pareto-26.9:generateContent|unbiased%2Fpareto-26.9",
      "ordinal": 3,
      "rawMethod": {
        "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_id": "unbiased/pareto-26.9",
  "page": {
    "canonical": "https://ailoot.ai/models/pt-pt/unbiased-pareto-26-9/",
    "description": "Versão anterior do modelo textual composto da Unbiased, com contexto de 262 144 tokens para processos de trabalho com versão explicitamente fixada.",
    "locale": "pt-pt",
    "md_url": "https://ailoot.ai/models/pt-pt/unbiased-pareto-26-9/index.md",
    "title": "Pareto 26.9",
    "url": "https://ailoot.ai/models/pt-pt/unbiased-pareto-26-9/"
  },
  "rawModel": {
    "about": "### A versão anterior da família Pareto\n\nO Pareto 26.9 é uma versão separada do modelo composto da Unbiased. Na família Pareto, um pedido é processado com a participação de vários modelos de vanguarda e abertos, cujos resultados são combinados numa resposta conjunta. O utilizador trabalha com um só modelo Pareto, em vez de escolher manualmente cada componente. O fabricante indica que a composição dos modelos base pode mudar.\n\nA versão 26.9 foi mantida após o aparecimento da versão estável 26.10. O seu identificador exato `unbiased/pareto-26.9` permite selecionar explicitamente a versão anterior na aplicação. Isto faz sentido para processos existentes e comparações em que importa indicar a versão utilizada, em vez de passar automaticamente à seguinte. Fixar o nome não significa que a composição interna fique imutável.\n\n### Trabalho com os materiais fornecidos\n\nNa Ailoot, esta versão recebe texto e produz uma resposta textual. A sua janela de contexto é de 262 144 tokens. Inclui instruções, histórico, materiais de partida e a resposta; os metadados do modelo indicam um volume de resposta até 131 072 tokens. A versão 26.10 tem uma janela de contexto maior, pelo que, ao escolher a 26.9, é útil selecionar previamente os documentos e excertos realmente pertinentes para a tarefa.\n\nO processo pode centrar-se na comparação de vários textos. Forneça os requisitos, as opções de solução e os critérios de escolha e peça uma tabela comparativa com argumentos para cada critério. Para um documento longo, indique a finalidade da análise: detetar contradições, elaborar um resumo de conteúdo, reunir perguntas para o autor ou preparar uma estrutura atualizada. Os nomes dos excertos originais ajudam a ligar as conclusões aos dados presentes no pedido.\n\n### Diálogo técnico\n\nAo analisar uma tarefa de programação, inclua o código relevante e o resultado de execução que já obteve no seu ambiente. Peça uma explicação da observação, uma proposta de alteração e os sinais que permitem verificar o respetivo resultado. Na mensagem seguinte, forneça o resultado da verificação. Assim, o diálogo textual liga-se a uma tarefa real sem pressupor que o modelo tem acesso aos ficheiros ou ao ambiente de execução.\n\nPara preparar um texto novo, é útil definir o público, o plano e o grau de detalhe necessário. A resposta pode ser um rascunho de documento, uma síntese dos dados de partida, uma lista de diferenças ou uma sequência de ações seguintes; o formato concreto é determinado pelo seu pedido.\n\nO Pareto 26.9 está disponível nos formatos Messages, Responses, Chat Completions e generateContent textual. Descrevem formas de integração no cliente. Nesta ligação, os materiais são fornecidos em texto; a escolha do formato do pedido não acrescenta imagens, execução de código ou acesso 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": "Versão anterior do modelo textual composto da Unbiased, com contexto de 262 144 tokens para processos de trabalho com versão explicitamente fixada."
  },
  "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": "Versão anterior do modelo textual composto da Unbiased, com contexto de 262 144 tokens para processos de trabalho com versão explicitamente fixada.",
  "source": {
    "audit_sha256": "0f00ff437b3bb49c279d6d1e35219843b05220862c073e39f604ec4282a66815",
    "bridge_map_sha256": "0f00ff437b3bb49c279d6d1e35219843b05220862c073e39f604ec4282a66815",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "e6e32087a79716fb5250abab0ee3191b43743c42cbf9997643116665e47b1b33",
      "renderer_sha256": "a51d1049537a8e6d630c46edca5d01c7894c25c33ee7aba532b4ef956b0c04e9"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "e6e32087a79716fb5250abab0ee3191b43743c42cbf9997643116665e47b1b33",
    "renderer_sha256": "a51d1049537a8e6d630c46edca5d01c7894c25c33ee7aba532b4ef956b0c04e9"
  },
  "sourceRevision": "317369d280ac113dbef48ce1e02ea687effbc6f000baed050a3e0dbb5d587354"
}
