Kan jag köra Pareto 26.10 Preview lokalt?

Nej. Unbiased har inte släppt öppna vikter för denna modell; den är endast tillgänglig via API.

Vad kostar den och hur långt är kontextfönstret?

Priset är 0,80 USD per miljon inmatningstokens och 3,20 USD per miljon utmatningstokens, med ett kontextfönster på 1 048 576 tokens.

Hur skiljer den sig från pareto-26.9?

Detta är en förhandsversion av nästa version och kan ändras utan förvarning; Unbiased rekommenderar pareto-26.9 om du behöver stabilt, reproducerbart beteende.

Pareto 26.10 Preview

1865°

#llm #unbiased #vision #kodning #agenter #forskning

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

unbiased | 1 048 576 tokens kontext | $0.80/M input, $3.20/M output. Pareto är en multimodal sammansatt modell byggd för forskning, kodning och agentbaserade arbetsflöden, samtidigt som den levererar gränsnivåprestanda över ett brett spektrum av allmänna uppgifter. Detta är en förhandsvisning av nästa Pareto-version och kan ändras utan förvarning; använd pareto-26.9 för stabilt beteende.

Guider för denna modell

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Pareto 26.10 Preview är en multimodal modell med stängda vikter från Unbiased, byggd för forskning, kodning och agentbaserade arbetsflöden samtidigt som den täcker allmänna uppgifter. Dess kontextfönster på en miljon tokens är den praktiska huvudfunktionen. Detta är en förhandsversion och kan ändras utan förvarning, så produktionsarbete bör hållas på pareto-26.9.

Känd för

Kontextfönster på en miljon tokens för mycket långa dokument eller kodbaser.
Multimodal: accepterar bilder tillsammans med text.
Utformad uttryckligen för agentbaserade och flerstegsarbetsflöden.
Bred allmän täckning utöver fokus på forskning och kodning.

Se upp för

Förhandsversion: beteendet kan ändras utan förvarning; inte lämplig för stabil produktion.
Stängda vikter, endast API – ingen lokal installationsmöjlighet.
Utmatningspriset på 3,20 USD per miljon tokens blir snabbt dyrt vid långa agentkörningar.

Bäst för

Kodning

Agenter och verktygsanvändning

Forskning

Syn

Lång kontext

Promptar att prova

Granska en stor kodbas

Jag klistrar in hela innehållet i ett Python-repo nedan. Granska arkitekturen, identifiera eventuella säkerhetsproblem, markera funktioner med hög cyklomatisk komplexitet och föreslå de tre mest värdefulla refaktorerna. Var specifik med filnamn och linjeintervall.

Flerstegs forskningsplan

Jag behöver förstå konkurrenslandskapet för solid-state-batterier år 2026. Dela upp forskningen i steg: nyckelaktörer, senaste patentaktivitet, tillverkningsflaskhalsar och sannolika kommersialiserings-tidslinjer. För varje steg, lista källor du skulle konsultera och vilken fråga varje källa besvarar.

Analysera ett diagram eller en skärmbild

Bifoga ett systemarkitekturdiagram eller en skärmbild. Beskriv vad diagrammet visar, identifiera eventuella enskilda felpunkter eller flaskhalsar och föreslå två konkreta förbättringar med kort motivering för varje.

Jämför med

Pareto
Endast API-modell
262,144 tokens kontext · $2.50/M indata, $7.50/M utdata
DeepSeek V4.1 Flash
Öppen vikt-modell
1,048,576 tokens kontext · $0.04/M indata, $0.68/M utdata
GLM 5.3 Flash
Öppen vikt-modell
1,048,576 tokens kontext · $0.02/M indata, $0.72/M utdata
Hy4 preview
Öppen vikt-modell
1,048,576 tokens kontext · $0.83/M indata, $2.50/M utdata

Fler textmodeller från unbiased

Vanliga frågor

Kan jag köra Pareto 26.10 Preview lokalt?: Nej. Unbiased har inte släppt öppna vikter för denna modell; den är endast tillgänglig via API.
Vad kostar den och hur långt är kontextfönstret?: Priset är 0,80 USD per miljon inmatningstokens och 3,20 USD per miljon utmatningstokens, med ett kontextfönster på 1 048 576 tokens.
Hur skiljer den sig från pareto-26.9?: Detta är en förhandsversion av nästa version och kan ändras utan förvarning; Unbiased rekommenderar pareto-26.9 om du behöver stabilt, reproducerbart beteende.

Kaptens omdöme
En kapabel multimodal modell med långt kontext som är värd att testa för forskning och agentarbete, men håll den borta från allt som kräver stabila, förutsägbara resultat.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

Llama 3.1 Euryale 70B v2.2

TEXT / LLM

Seed 1.6

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Pareto 26.10 Preview är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm unbiased vision kodning agenter forskning lång kontext

Bläddra efter modellfamilj