{
  "aboutHtml": "<h3>Как устроена Pareto 26.10</h3><p>Pareto 26.10 — стабильный выпуск составной модели Unbiased. В её основе подход, при котором для каждого запроса выбираются несколько передовых и открытых моделей, а их результаты объединяются в один ответ. Такой механизм отличается от простой передачи вопроса одной выбранной модели: пользователь взаимодействует с одной Pareto и получает общий результат. Состав участвующих моделей может меняться, поэтому название выпуска не задаёт фиксированный перечень базовых моделей.</p><h3>Работа с текстом в Ailoot</h3><p>В Ailoot Pareto 26.10 принимает текст и возвращает текст. Контекстное окно этого подключения — 1 048 576 токенов. В нём размещаются инструкции, история диалога, переданные материалы и формируемый ответ. В метаданных модели указан объём ответа до 131 072 токенов; это верхняя граница, а не обязательная длина каждой генерации. Для содержательной работы полезно заранее определить объём результата и порядок разделов.</p><p>Длинный контекст позволяет ставить задачи, где нужно сопоставить несколько текстовых материалов в одном запросе: техническое задание и реализацию, требования и протокол обсуждения, несколько вариантов документа. Передайте исходные фрагменты с понятными названиями и попросите привязывать выводы к ним. Например, можно собрать таблицу различий, выделить противоречия между требованиями или подготовить план изменений на основе всего набора. Это способы постановки текстовой задачи; доступ к вашим файлам или внешним системам задаётся приложением.</p><h3>Как построить рабочий запрос</h3><p>Для разбора кода включите релевантные функции, ожидаемое поведение и наблюдаемую ошибку. Попросите сначала объяснить зависимость между ними, затем предложить локальное изменение и способы проверки. Для исследования по предоставленным текстам задайте вопрос, перечислите источники внутри запроса и определите, какие утверждения должны сопровождаться ссылкой на соответствующий фрагмент. Для подготовки документа сообщите аудиторию, назначение, обязательные разделы и критерии приёмки.</p><p>Текстовое подключение представлено методами Messages, Responses, Chat Completions и текстовым интерфейсом generateContent. Выбор формата помогает встроить модель в существующий клиент. Он сам по себе не добавляет чтение изображений, веб-поиск или выполнение команд. Полученный код, план и рекомендации остаются результатом генерации текста, пока ваше приложение не выполняет дальнейшие действия.</p><h3>Версия для воспроизводимого выбора</h3><p>Идентификатор <code>unbiased/pareto-26.10</code> выбирает именно выпуск 26.10. Это удобно, когда нужно явно закрепить модель в настройках приложения или сравнивать результаты одной версии на своём наборе задач. Выпуск 26.9 существует отдельно и имеет собственное контекстное окно.</p>",
  "aboutText": "### Как устроена Pareto 26.10\n\nPareto 26.10 — стабильный выпуск составной модели Unbiased. В её основе подход, при котором для каждого запроса выбираются несколько передовых и открытых моделей, а их результаты объединяются в один ответ. Такой механизм отличается от простой передачи вопроса одной выбранной модели: пользователь взаимодействует с одной Pareto и получает общий результат. Состав участвующих моделей может меняться, поэтому название выпуска не задаёт фиксированный перечень базовых моделей.\n\n### Работа с текстом в Ailoot\n\nВ Ailoot Pareto 26.10 принимает текст и возвращает текст. Контекстное окно этого подключения — 1 048 576 токенов. В нём размещаются инструкции, история диалога, переданные материалы и формируемый ответ. В метаданных модели указан объём ответа до 131 072 токенов; это верхняя граница, а не обязательная длина каждой генерации. Для содержательной работы полезно заранее определить объём результата и порядок разделов.\n\nДлинный контекст позволяет ставить задачи, где нужно сопоставить несколько текстовых материалов в одном запросе: техническое задание и реализацию, требования и протокол обсуждения, несколько вариантов документа. Передайте исходные фрагменты с понятными названиями и попросите привязывать выводы к ним. Например, можно собрать таблицу различий, выделить противоречия между требованиями или подготовить план изменений на основе всего набора. Это способы постановки текстовой задачи; доступ к вашим файлам или внешним системам задаётся приложением.\n\n### Как построить рабочий запрос\n\nДля разбора кода включите релевантные функции, ожидаемое поведение и наблюдаемую ошибку. Попросите сначала объяснить зависимость между ними, затем предложить локальное изменение и способы проверки. Для исследования по предоставленным текстам задайте вопрос, перечислите источники внутри запроса и определите, какие утверждения должны сопровождаться ссылкой на соответствующий фрагмент. Для подготовки документа сообщите аудиторию, назначение, обязательные разделы и критерии приёмки.\n\nТекстовое подключение представлено методами Messages, Responses, Chat Completions и текстовым интерфейсом generateContent. Выбор формата помогает встроить модель в существующий клиент. Он сам по себе не добавляет чтение изображений, веб-поиск или выполнение команд. Полученный код, план и рекомендации остаются результатом генерации текста, пока ваше приложение не выполняет дальнейшие действия.\n\n### Версия для воспроизводимого выбора\n\nИдентификатор `unbiased/pareto-26.10` выбирает именно выпуск 26.10. Это удобно, когда нужно явно закрепить модель в настройках приложения или сравнивать результаты одной версии на своём наборе задач. Выпуск 26.9 существует отдельно и имеет собственное контекстное окно.",
  "locale": "ru",
  "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>Входные данные</dt><dd><code>text</code></dd></div><div><dt>Результат</dt><dd><code>text</code></dd></div><div><dt>Контекст</dt><dd>В каталоге не указано</dd></div><div><dt>Макс. ответ</dt><dd>В каталоге не указано</dd></div></dl><dl><div><dt>Вход</dt><dd>0,0016 $ <em>/ 1K</em></dd></div><div><dt>Выход</dt><dd>0,0064 $ <em>/ 1K</em></dd></div><div><dt>Чтение кэша</dt><dd>≈0,00006 $ <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>Входные данные</dt><dd><code>text</code></dd></div><div><dt>Результат</dt><dd><code>text</code></dd></div><div><dt>Контекст</dt><dd>В каталоге не указано</dd></div><div><dt>Макс. ответ</dt><dd>В каталоге не указано</dd></div></dl><dl><div><dt>Вход</dt><dd>0,0016 $ <em>/ 1K</em></dd></div><div><dt>Выход</dt><dd>0,0064 $ <em>/ 1K</em></dd></div><div><dt>Чтение кэша</dt><dd>≈0,00006 $ <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>Входные данные</dt><dd><code>text</code></dd></div><div><dt>Результат</dt><dd><code>text</code></dd></div><div><dt>Контекст</dt><dd>В каталоге не указано</dd></div><div><dt>Макс. ответ</dt><dd>В каталоге не указано</dd></div></dl><dl><div><dt>Вход</dt><dd>0,0016 $ <em>/ 1K</em></dd></div><div><dt>Выход</dt><dd>0,0064 $ <em>/ 1K</em></dd></div><div><dt>Чтение кэша</dt><dd>≈0,00006 $ <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>Входные данные</dt><dd><code>text</code></dd></div><div><dt>Результат</dt><dd><code>text</code></dd></div><div><dt>Контекст</dt><dd>В каталоге не указано</dd></div><div><dt>Макс. ответ</dt><dd>В каталоге не указано</dd></div></dl><dl><div><dt>Вход</dt><dd>0,0016 $ <em>/ 1K</em></dd></div><div><dt>Выход</dt><dd>0,0064 $ <em>/ 1K</em></dd></div><div><dt>Чтение кэша</dt><dd>≈0,00006 $ <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/ru/unbiased-pareto-26-10/",
    "description": "Составная текстовая модель Unbiased с контекстом 1 048 576 токенов для разбора больших наборов материалов и подготовки развёрнутых ответов.",
    "locale": "ru",
    "md_url": "https://ailoot.ai/models/ru/unbiased-pareto-26-10/index.md",
    "title": "Pareto 26.10",
    "url": "https://ailoot.ai/models/ru/unbiased-pareto-26-10/"
  },
  "rawModel": {
    "about": "### Как устроена Pareto 26.10\n\nPareto 26.10 — стабильный выпуск составной модели Unbiased. В её основе подход, при котором для каждого запроса выбираются несколько передовых и открытых моделей, а их результаты объединяются в один ответ. Такой механизм отличается от простой передачи вопроса одной выбранной модели: пользователь взаимодействует с одной Pareto и получает общий результат. Состав участвующих моделей может меняться, поэтому название выпуска не задаёт фиксированный перечень базовых моделей.\n\n### Работа с текстом в Ailoot\n\nВ Ailoot Pareto 26.10 принимает текст и возвращает текст. Контекстное окно этого подключения — 1 048 576 токенов. В нём размещаются инструкции, история диалога, переданные материалы и формируемый ответ. В метаданных модели указан объём ответа до 131 072 токенов; это верхняя граница, а не обязательная длина каждой генерации. Для содержательной работы полезно заранее определить объём результата и порядок разделов.\n\nДлинный контекст позволяет ставить задачи, где нужно сопоставить несколько текстовых материалов в одном запросе: техническое задание и реализацию, требования и протокол обсуждения, несколько вариантов документа. Передайте исходные фрагменты с понятными названиями и попросите привязывать выводы к ним. Например, можно собрать таблицу различий, выделить противоречия между требованиями или подготовить план изменений на основе всего набора. Это способы постановки текстовой задачи; доступ к вашим файлам или внешним системам задаётся приложением.\n\n### Как построить рабочий запрос\n\nДля разбора кода включите релевантные функции, ожидаемое поведение и наблюдаемую ошибку. Попросите сначала объяснить зависимость между ними, затем предложить локальное изменение и способы проверки. Для исследования по предоставленным текстам задайте вопрос, перечислите источники внутри запроса и определите, какие утверждения должны сопровождаться ссылкой на соответствующий фрагмент. Для подготовки документа сообщите аудиторию, назначение, обязательные разделы и критерии приёмки.\n\nТекстовое подключение представлено методами Messages, Responses, Chat Completions и текстовым интерфейсом generateContent. Выбор формата помогает встроить модель в существующий клиент. Он сам по себе не добавляет чтение изображений, веб-поиск или выполнение команд. Полученный код, план и рекомендации остаются результатом генерации текста, пока ваше приложение не выполняет дальнейшие действия.\n\n### Версия для воспроизводимого выбора\n\nИдентификатор `unbiased/pareto-26.10` выбирает именно выпуск 26.10. Это удобно, когда нужно явно закрепить модель в настройках приложения или сравнивать результаты одной версии на своём наборе задач. Выпуск 26.9 существует отдельно и имеет собственное контекстное окно.",
    "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": "Составная текстовая модель Unbiased с контекстом 1 048 576 токенов для разбора больших наборов материалов и подготовки развёрнутых ответов."
  },
  "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": "Составная текстовая модель Unbiased с контекстом 1 048 576 токенов для разбора больших наборов материалов и подготовки развёрнутых ответов.",
  "source": {
    "audit_sha256": "200b71e7ded0d6903df109efc22d57514a7b26633c5dd216bd20290176470231",
    "bridge_map_sha256": "200b71e7ded0d6903df109efc22d57514a7b26633c5dd216bd20290176470231",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "7332f7e145735f8c292826b694a136c603084ada05474d3edb82ba7fffb776ab",
      "renderer_sha256": "4455185244e767a5972aed0cf12d556d2bd341b0e4ccfcb23a2e044ab9fc9321"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "7332f7e145735f8c292826b694a136c603084ada05474d3edb82ba7fffb776ab",
    "renderer_sha256": "4455185244e767a5972aed0cf12d556d2bd341b0e4ccfcb23a2e044ab9fc9321"
  },
  "sourceRevision": "835e1dc18174540f7ce313b65bcb01d266e3d3693c87f152bcdc7d34b78f6dc6"
}