Source: https://ailoot.ai/models/vi/unbiased-pareto-26-9/ Canonical: https://ailoot.ai/models/vi/unbiased-pareto-26-9/ Language: vi # Pareto 26.9 [Markdown](https://ailoot.ai/models/vi/unbiased-pareto-26-9/index.md) · [JSON](https://ailoot.ai/models/vi/unbiased-pareto-26-9/facts.json) ## [Pareto 26.9](https://ailoot.ai/models/vi/unbiased-pareto-26-9/) `unbiased/pareto-26.9` UnbiasedVăn bảnĐầu vào 0,005 US$ / 1KĐầu ra 0,015 US$ / 1K Phiên bản trước của mô hình văn bản tổng hợp Unbiased, ngữ cảnh 262 144 token cho quy trình cần ghim phiên bản rõ ràng. ### Bản trước trong họ Pareto Pareto 26.9 là phiên bản riêng của mô hình tổng hợp Unbiased. Trong họ Pareto, một yêu cầu được nhiều mô hình hàng đầu và mô hình mở cùng xử lý, rồi kết hợp kết quả thành câu trả lời chung. Người dùng làm việc với một Pareto, không chọn thủ công từng thành phần. Nhà phát triển cho biết thành phần mô hình cơ sở có thể thay đổi. Bản 26.9 vẫn tồn tại sau khi bản ổn định 26.10 ra mắt. Mã chính xác `unbiased/pareto-26.9` cho phép chủ động chọn bản trước trong ứng dụng. Điều này phù hợp quy trình hiện có và phép so sánh cần nêu rõ phiên bản thay vì tự chuyển sang bản tiếp theo. Ghim tên không có nghĩa thành phần bên trong trở nên bất biến. ### Làm việc với tài liệu cung cấp Trong Ailoot API, phiên bản này nhận văn bản và tạo câu trả lời văn bản. Cửa sổ ngữ cảnh là 262 144 token, gồm chỉ dẫn, lịch sử, tài liệu nguồn và câu trả lời; siêu dữ liệu của mô hình nêu dung lượng câu trả lời tối đa 131 072 token. Bản 26.10 có cửa sổ lớn hơn, nên khi chọn 26.9, nên chọn trước tài liệu và đoạn thực sự liên quan. Có thể tổ chức quy trình quanh việc đối chiếu nhiều văn bản. Gửi yêu cầu, phương án giải quyết và tiêu chí lựa chọn, rồi yêu cầu bảng so sánh có lập luận theo từng tiêu chí. Với tài liệu dài, nêu mục đích: tìm mâu thuẫn, tổng hợp nội dung chuyên môn, soạn câu hỏi cho tác giả hoặc chuẩn bị cấu trúc mới. Tên các đoạn gốc giúp liên hệ kết luận với dữ liệu trong yêu cầu. ### Hội thoại kỹ thuật Khi phân tích tác vụ lập trình, gửi mã liên quan và kết quả chạy đã nhận trong môi trường riêng. Yêu cầu giải thích quan sát, đề xuất thay đổi và liệt kê dấu hiệu kiểm tra kết quả. Trong tin nhắn tiếp theo, gửi kết quả kiểm tra. Nhờ vậy hội thoại văn bản gắn với tác vụ thực mà không giả định mô hình tự truy cập tệp hay môi trường thực thi. Khi chuẩn bị văn bản mới, nên đặt người đọc, dàn ý và mức chi tiết. Câu trả lời có thể là bản nháp tài liệu, tổng hợp dữ liệu nguồn, danh sách khác biệt hoặc chuỗi hành động tiếp theo; định dạng cụ thể do yêu cầu quyết định. Pareto 26.9 có các định dạng Messages, Responses, Chat Completions và generateContent văn bản. Chúng mô tả cách tích hợp vào ứng dụng khách. Trong kết nối này, tài liệu được gửi bằng văn bản; chọn định dạng yêu cầu không bổ sung hình ảnh, thực thi mã hay truy cập hệ thống ngoài. ### Có sẵn qua Ailoot API Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,005 US$ */ 1K* Đầu ra 0,015 US$ */ 1K* Đọc bộ nhớ đệm 0,0005 US$ */ 1K* Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,005 US$ */ 1K* Đầu ra 0,015 US$ */ 1K* Đọc bộ nhớ đệm 0,0005 US$ */ 1K* Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,005 US$ */ 1K* Đầu ra 0,015 US$ */ 1K* Đọc bộ nhớ đệm 0,0005 US$ */ 1K* Đầu vào `text` Đầu ra `text` Ngữ cảnh Không nêu trong danh mục Độ dài câu trả lời tối đa Không nêu trong danh mục Đầu vào 0,005 US$ */ 1K* Đầu ra 0,015 US$ */ 1K* Đọc bộ nhớ đệm 0,0005 US$ */ 1K* `unbiased/pareto-26.9` · JSON ``` {"about":"### Bản trước trong họ Pareto\n\nPareto 26.9 là phiên bản riêng của mô hình tổng hợp Unbiased. Trong họ Pareto, một yêu cầu được nhiều mô hình hàng đầu và mô hình mở cùng xử lý, rồi kết hợp kết quả thành câu trả lời chung. Người dùng làm việc với một Pareto, không chọn thủ công từng thành phần. Nhà phát triển cho biết thành phần mô hình cơ sở có thể thay đổi.\n\nBản 26.9 vẫn tồn tại sau khi bản ổn định 26.10 ra mắt. Mã chính xác `unbiased/pareto-26.9` cho phép chủ động chọn bản trước trong ứng dụng. Điều này phù hợp quy trình hiện có và phép so sánh cần nêu rõ phiên bản thay vì tự chuyển sang bản tiếp theo. Ghim tên không có nghĩa thành phần bên trong trở nên bất biến.\n\n### Làm việc với tài liệu cung cấp\n\nTrong Ailoot API, phiên bản này nhận văn bản và tạo câu trả lời văn bản. Cửa sổ ngữ cảnh là 262 144 token, gồm chỉ dẫn, lịch sử, tài liệu nguồn và câu trả lời; siêu dữ liệu của mô hình nêu dung lượng câu trả lời tối đa 131 072 token. Bản 26.10 có cửa sổ lớn hơn, nên khi chọn 26.9, nên chọn trước tài liệu và đoạn thực sự liên quan.\n\nCó thể tổ chức quy trình quanh việc đối chiếu nhiều văn bản. Gửi yêu cầu, phương án giải quyết và tiêu chí lựa chọn, rồi yêu cầu bảng so sánh có lập luận theo từng tiêu chí. Với tài liệu dài, nêu mục đích: tìm mâu thuẫn, tổng hợp nội dung chuyên môn, soạn câu hỏi cho tác giả hoặc chuẩn bị cấu trúc mới. Tên các đoạn gốc giúp liên hệ kết luận với dữ liệu trong yêu cầu.\n\n### Hội thoại kỹ thuật\n\nKhi phân tích tác vụ lập trình, gửi mã liên quan và kết quả chạy đã nhận trong môi trường riêng. Yêu cầu giải thích quan sát, đề xuất thay đổi và liệt kê dấu hiệu kiểm tra kết quả. Trong tin nhắn tiếp theo, gửi kết quả kiểm tra. Nhờ vậy hội thoại văn bản gắn với tác vụ thực mà không giả định mô hình tự truy cập tệp hay môi trường thực thi.\n\nKhi chuẩn bị văn bản mới, nên đặt người đọc, dàn ý và mức chi tiết. Câu trả lời có thể là bản nháp tài liệu, tổng hợp dữ liệu nguồn, danh sách khác biệt hoặc chuỗi hành động tiếp theo; định dạng cụ thể do yêu cầu quyết định.\n\nPareto 26.9 có các định dạng Messages, Responses, Chat Completions và generateContent văn bản. Chúng mô tả cách tích hợp vào ứng dụng khách. Trong kết nối này, tài liệu được gửi bằng văn bản; chọn định dạng yêu cầu không bổ sung hình ảnh, thực thi mã hay truy cập hệ thống ngoài.","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":"Phiên bản trước của mô hình văn bản tổng hợp Unbiased, ngữ cảnh 262 144 token cho quy trình cần ghim phiên bản rõ ràng."} ``` ## Câu hỏi Làm sao chọn mô hình cho tác vụ của tôi? Trước tiên xác định đầu vào và đầu ra cần thiết: văn bản, hình ảnh, âm thanh hay video. Sau đó so sánh phương thức API tương thích, ID mô hình chính xác hoặc mô hình đích hiện tại của bí danh, giá và đơn vị tính phí. GET /v1/models miễn phí và liệt kê các mô hình mà khóa của bạn có thể truy cập. Mỗi mô hình có hỗ trợ mọi phương thức API và loại nội dung không? Dùng các phương thức API và loại đầu vào, đầu ra được liệt kê trên thẻ mô hình. Việc hỗ trợ văn bản, hình ảnh, âm thanh hay video phụ thuộc vào mô hình và phương thức đã chọn; xem ví dụ yêu cầu trước khi gửi dữ liệu. ID mô hình khác bí danh như thế nào? ID chính xác chỉ một mô hình cụ thể. Bí danh trỏ đến một mô hình và mô hình đích có thể thay đổi. Kiểm tra mô hình đích hiện tại của bí danh trong danh mục; dùng ID chính xác khi tích hợp cần một mô hình cụ thể. Làm sao so sánh giá trước khi gửi yêu cầu? Xem giá và đơn vị tính phí của phương thức API đã chọn trên thẻ mô hình. So sánh cùng đơn vị và loại đầu vào, đầu ra; lịch sử yêu cầu hiển thị mức sử dụng thực tế và số tiền đã trừ. Thuê bao mang lại gì? Giảm giá mua token cho nhu cầu thường xuyên. Chọn gói theo khối lượng yêu cầu; điều khoản và giá thuê bao hiển thị khi đăng ký. Làm sao áp dụng mã giảm đến 50%? Nhập mã khuyến mãi khi mua token. Tổng tiền được tính lại theo điều kiện chương trình; mức giảm hiển thị trước khi thanh toán. ## Ailoot · Công ty và danh mục dự án của công ty Ailoot dựa trên kinh nghiệm vận hành tích lũy, cơ sở khách hàng lớn, dịch vụ ổn định và việc kiểm soát KPI liên tục. Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng. Ailoot áp dụng kinh nghiệm vận hành này để cung cấp quyền truy cập API vào các tính năng AI trong sản phẩm của khách hàng, tác tử, ứng dụng và quy trình tự động hóa.