OpenAI: o3 to model tekstowy od OpenAI, wydany 2025-04-16. Pareto 26.9 to model tekstowy od Unbiased, wydany 2026-10-13. Oba są udostępniane przez api14 jako modele w stylu czatu, a oba przyjmują dane wejściowe tekstowe i obrazowe oraz zwracają dane wyjściowe tekstowe, więc na poziomie podstawowej struktury żądania są wymienne.
Różnice ujawniają się w kontekście, modalnościach i parametrach. Pareto 26.9 ma większe okno kontekstu wynoszące 262144 tokeny, podczas gdy o3 ma 200000 tokenów. o3 przyjmuje dane wejściowe w postaci plików oprócz tekstu i obrazów, czego Pareto 26.9 nie robi. Jeśli chodzi o parametry, o3 udostępnia mechanizmy sterowania rozumowaniem (include_reasoning i reasoning) oraz structured_outputs, a Pareto 26.9 nie udostępnia żadnego z nich. Pareto 26.9 udostępnia natomiast temperature i top_p, których o3 nie wymienia. Oba obsługują tools, tool_choice, max_tokens i response_format, więc wywoływanie funkcji i dane wyjściowe w stylu JSON są dostępne po obu stronach. Pola cenowe wskazują przeciwne kierunki: o3 jest tańszą opcją na wejściu, Pareto 26.9 jest tańszą opcją na wyjściu. Traktuj je wyłącznie orientacyjnie i sprawdź bieżącą tabelę cen na tej stronie, aby poznać liczby mające zastosowanie do Twojej mieszanki ruchu.
Przy wyborze zadania parametry rozumowania i ustrukturyzowanych danych wyjściowych czynią o3 naturalnym wyborem, gdy potrzebujesz, aby model przemyślał problem przed odpowiedzią, lub gdy chcesz ograniczyć odpowiedź do schematu za pomocą structured_outputs zamiast analizować wolny tekst. Jest to również wybór, gdy dane wejściowe zawierają pliki, ponieważ ta modalność występuje tylko w o3. Pareto 26.9 jest wyborem, gdy sam prompt jest bardzo duży, ponieważ jego okno kontekstu jest większe, oraz gdy chcesz mieć bezpośrednią kontrolę nad próbkowaniem poprzez temperature i top_p. Jeśli Twoje obciążenie jest intensywne pod względem wyjścia, Pareto 26.9 jest również tańszą stroną pod względem ceny wyjścia, co ma większe znaczenie im dłuższe są Twoje uzupełnienia.
Wywoływanie któregokolwiek modelu przez api14 działa w ten sam sposób. Oba są zgodne z OpenAI, więc kierujesz swojego istniejącego klienta na bazowy adres URL api14, wysyłasz standardowe żądanie uzupełnień czatu i zmieniasz tylko identyfikator modelu: "openai/o3" dla o3, "unbiased/pareto-26.9" dla Pareto 26.9. Twoja tablica wiadomości, definicje narzędzi i obsługa odpowiedzi pozostają bez zmian. Jedyną rzeczą, na którą trzeba uważać, są parametry: jeśli wyślesz temperature lub top_p do o3, albo reasoning lub structured_outputs do Pareto 26.9, te pola nie znajdują się na liście obsługiwanych przez ten model, więc utrzymuj zestawy parametrów dla poszczególnych modeli zamiast jednego wspólnego ładunku.
Nadal istnieją przypadki, w których wygrywa drugi model. Jeśli zdecydowałeś się na Pareto 26.9 dla potoku z długim kontekstem, ale pojedynczy krok wymaga odpowiedzi ograniczonej schematem, o3 jest lepszym wyborem dla tego kroku, ponieważ structured_outputs jest wymienione tylko tam. Odwrotnie, jeśli używasz o3 do zadania, które polega głównie na długim wyjściu i nie wymaga rozumowania, Pareto 26.9 jest lepszym wyborem pod względem ceny wyjścia i daje kontrolę nad temperature, której o3 nie ma.