Pareto 26.10 Preview
1865°
Executar modelo
Ofertas / Anúncios
unbiased | contexto de 1.048.576 tokens | $0,80/M entrada, $3,20/M saída. Pareto é um modelo composto multimodal construído para pesquisa, codificação e fluxos de trabalho agentivos, entregando desempenho de ponta em uma ampla gama de tarefas de propósito geral. Esta é uma prévia da próxima versão Pareto e pode mudar sem aviso; use pareto-26.9 para comportamento estável.
Guias para este modelo
Como escolher um modelo de IA em outubro de 2026: as novidades de código fechado e os pesos abertos que valem a pena baixar
Pesos abertos vs código aberto vs só API: o que você realmente pode fazer
As 10 alternativas mais baratas ao ChatGPT em 2026: modelos locais grátis, planos gratuitos e planos fixos
Notas do capitão
Notas de 2026-10-13
Pareto 26.10 Preview é um modelo multimodal de pesos fechados da Unbiased, construído para pesquisa, codificação e fluxos de trabalho agentivos, cobrindo também tarefas gerais. Sua janela de contexto de um milhão de tokens é a principal característica prática. Esta é uma versão preview e pode mudar sem aviso, portanto trabalhos de produção devem permanecer na pareto-26.9.
Conhecido por
- Janela de contexto de um milhão de tokens para documentos ou bases de código muito longas.
- Multimodal: aceita imagens junto com texto.
- Projetado explicitamente para fluxos de trabalho agentivos e de múltiplas etapas.
- Cobertura ampla de tarefas gerais além do foco em pesquisa e codificação.
Fique atento a
- Versão preview: comportamento pode mudar sem aviso; não adequado para uso estável em produção.
- Pesos fechados, apenas API — sem opção de implantação local.
- Preço de saída a $3,20/M tokens que pode aumentar rápido em execuções agentivas longas.
Sugestões para tentar
Auditar uma base de código grande
Estou colando o conteúdo completo de um repositório Python abaixo. Revise a arquitetura, identifique problemas de segurança, sinalize funções com alta complexidade ciclomática e sugira as três refatorações de maior valor. Seja específico sobre nomes de arquivos e faixas de linhas.
Plano de pesquisa em múltiplas etapas
Preciso entender o cenário competitivo para baterias de estado sólido em 2026. Divida a pesquisa em etapas: principais players, atividade recente de patentes, gargalos de fabricação e prováveis cronogramas de comercialização. Para cada etapa, liste as fontes que consultaria e qual pergunta cada uma responde.
Analisar um diagrama ou captura de tela
Anexe um diagrama de arquitetura de sistema ou captura de tela. Descreva o que o diagrama mostra, identifique pontos únicos de falha ou gargalos e sugira duas melhorias concretas com breve justificativa para cada uma.
Comparar com
- ParetoModelo apenas para APIContexto de 262,144 tokens · entrada $2.50/M, saída $7.50/M
- DeepSeek V4.1 FlashModelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.04/M, saída $0.68/M
- GLM 5.3 FlashModelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.02/M, saída $0.72/M
- Hy4 previewModelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.83/M, saída $2.50/M
Mais modelos de texto de unbiased
Perguntas frequentes
- Posso rodar o Pareto 26.10 Preview localmente?
- Não. A Unbiased não liberou pesos abertos para este modelo; é apenas via API.
- Quanto custa e qual o tamanho do contexto?
- O preço é $0,80 por milhão de tokens de entrada e $3,20 por milhão de tokens de saída, com uma janela de contexto de 1.048.576 tokens.
- Como ele difere do pareto-26.9?
- Esta é uma prévia da próxima versão e pode mudar sem aviso; a Unbiased recomenda o pareto-26.9 se você precisar de comportamento estável e reproduzível.
Veredito do capitãoUm modelo multimodal capaz com contexto longo que vale a pena testar para pesquisa e trabalho agentivo, mas mantenha-o fora de qualquer coisa que precise de saídas estáveis e previsíveis.
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Pareto 26.10 Preview é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Mais modelos Text / LLMMais Texto / LLM Text / LLMllmunbiasedvisãoprogramaçãoagentespesquisacontexto longo
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153