Pareto 26.10

Pareto 26.10 adalah model teks dari Unbiased, terdaftar di api14 di bawah kategori utama teks. Unbiased mendeskripsikan Pareto sebagai model komposit multimodal yang dibangun untuk riset, coding, dan alur kerja agentic, dan memposisikannya sebagai penyedia performa tingkat frontier di berbagai tugas serbaguna. Model ini dirilis oleh penyedia pada 2026-10-15.

Model ini menerima input teks dan gambar serta mengembalikan teks. Jendela konteksnya adalah 1.048.576 token, dan output maksimumnya 131.072 token. Kombinasi jendela input yang sangat besar dan alokasi output yang besar berarti Anda dapat mengirim dokumen panjang, basis kode besar atau riwayat percakapan yang diperpanjang dalam satu permintaan dan masih menyisakan ruang substansial untuk respons. Karena gambar diterima sebagai input, model dapat bekerja dengan materi yang mencampur prosa, kode dan konten visual, meskipun semua yang dihasilkannya adalah teks.

Fokus yang dinyatakan pada riset, coding dan alur kerja agentic menunjukkan di mana model paling cocok. Pekerjaan riset mendapat manfaat dari konteks panjang, karena makalah, laporan dan materi sumber dapat diberikan tanpa pemotongan yang berat. Tugas coding dapat menyertakan file besar atau seluruh repositori bersama instruksi. Alur kerja agentic dapat membawa riwayat berjalan panjang dan definisi tool di dalam jendela yang sama. Tugas teks serbaguna seperti peringkasan, penyusunan draf dan tanya jawab atas input panjang juga tercakup oleh deskripsi penyedia, dan input gambar memperluasnya ke kasus di mana screenshot, diagram atau halaman hasil pindai perlu dibaca dan dijelaskan dalam teks.

Anda memanggil model melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "unbiased/pareto-26.10". Parameter permintaan yang didukung adalah max_tokens, temperature, top_p, tools dan tool_choice. Adanya tools dan tool_choice berarti permintaan bergaya function calling adalah bagian dari antarmuka, yang cocok dengan kasus penggunaan agentic yang disorot penyedia. Atur max_tokens dengan mempertimbangkan batas output 131.072, dan gunakan temperature serta top_p untuk mengontrol sampling seperti yang Anda lakukan pada endpoint yang kompatibel dengan OpenAI lainnya.

Fakta yang diberikan di sini tidak mencakup benchmark, dukungan modalitas di luar input teks dan gambar, atau batasan penggunaan yang dinyatakan, jadi anggap deskripsi penyedia sebagai panduan utama untuk kecocokan. Jika tugas Anda murni teks dan tidak memerlukan jendela konteks yang sangat besar atau input gambar, model yang lebih kecil mungkin lebih sederhana untuk digunakan, tetapi tidak ada dalam informasi yang tersedia yang mencoret Pareto 26.10 untuk pekerjaan teks biasa.