That's NeuralCatálogo de modelos

unbiased

Pareto 26.10

unbiased/pareto-26.10

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

El catálogo de OpenRouter presenta unbiased/pareto-26.10 como un modelo compuesto que acepta entradas de texto e imagen y genera texto. Lo orienta a investigación, programación, flujos de trabajo agénticos y tareas generales amplias, e informa una ventana de contexto muy amplia junto con parámetros de API para usar herramientas y controlar la generación. La afirmación de amplitud de nivel frontera no está respaldada por resultados de evaluación ni por una ficha independiente en este paquete, por lo que conviene validarlo con cargas representativas.[1]

Puntos fuertes

  • El catálogo informa entradas de texto e imagen con salida de texto.[1]
  • Se reporta una ventana de contexto muy amplia para entradas extensas.[1]
  • Se listan controles de herramientas, elección de herramienta y generación.[1]

Limitaciones

  • Solo se proporcionó evidencia del catálogo de OpenRouter; no había una ficha independiente ni resultados de evaluación.[1]
  • El rendimiento amplio de nivel frontera sigue siendo una afirmación del catálogo, no un resultado medido.[1]
  • No se especifican corte de conocimiento, razonamiento, licencia, seguridad ni requisitos de despliegue.[1]

Dónde utilizarlo

  • Considere evaluarlo para asistentes de programación o investigación que requieran contexto extenso.[1]
  • Considere evaluarlo para flujos agénticos que puedan usar los controles de herramientas listados.[1]
  • Considere evaluarlo para asistentes que generen texto a partir de entradas combinadas de texto e imagen.[1]

Fuentes

  1. [1] OpenRouter catalog · Pareto 26.10Fuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Pareto is a multimodal composite model built for research, coding, and agentic workflows, while delivering frontier-level performance across a broad range of general-purpose tasks.

Especificaciones

ID del modelo
unbiased/pareto-26.10
ID canónico
unbiased/pareto-26.10-20261015
Creador
unbiased
Añadido a OpenRouter
15.10.2026
Longitud de contexto
1,048,576
Modalidad
text+image->text
Modalidades de entrada
text, image
Modalidades de salida
text
Precio por token
USD por 1M de tokens: entrada $0.800 / salida $3.2
Corte de conocimiento
—
Fecha de expiración
—

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

TareaNotaCapacidad declarada por la fuente
Calidad generalSin medición—
ProgramaciónSin medición—
AgentesSin mediciónparámetros: tool_choice, tools
EscrituraSin mediciónsalida: text
RazonamientoSin medición—
Análisis de documentosSin medición—
VisiónSin mediciónentrada: image
Generación de imágenesSin medición—
AudioSin medición—
VídeoSin medición—
EmbeddingsSin medición—

Evaluaciones

No hay evaluaciones aportadas para este modelo.

Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

  • S — S — 10% superior de la cohorte
  • A — A — siguiente 20% de la cohorte
  • B — B — siguiente 30% de la cohorte
  • C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

ProveedorLongitud de contextoPrecio entrada /1MPrecio salida /1MLatencia p50 (30m, s)Rendimiento p50 (30m, tok/s)Disponibilidad (30m)
Unbiased1,048,576$0.800$3.2——100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.