Pareto 26.10 Preview
Red Neuronal
Pareto 26.10 Preview es un modelo compuesto multimodal para tareas de investigación, programación y escenarios de agentes.
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto
- Tamaño del contexto
- 1 048 576 tokens
- Longitud máxima de respuesta
- 131 072 tokens
- Funciones
- llamada a funciones
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'pareto-26.10-preview',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'pareto-26.10-preview',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Cómo funciona Pareto 26.10 Preview?
Pareto 26.10 Preview es un modelo compuesto multimodal diseñado para tareas de investigación, programación y escenarios de agentes, que también destaca en una amplia gama de consultas cotidianas. El prefijo 'preview' indica una versión preliminar: trabajas con el modelo antes de su lanzamiento estable. La multimodalidad elimina la barrera entre texto e imagen en una misma tarea, y su estructura compuesta ayuda a guiarla desde el planteamiento hasta el resultado final. En BotHub, el modelo está disponible desde Rusia sin VPN ni tarjetas extranjeras; el pago es en rublos y por uso real, basado en los tokens consumidos, que no caducan. En la misma ventana hay más de 250 modelos disponibles: puedes comparar respuestas o cambiar de modelo con un par de clics, y la API única compatible con OpenAI evita tener que reescribir integraciones. Los diálogos están cifrados y las empresas disponen de contratos, facturas, intercambio electrónico de documentos y un panel de administración con límites. Conecta Pareto 26.10 Preview para analizar bases de código desconocidas, refactorizar módulos, crear agentes para procesos de varios pasos, investigar temas, sintetizar conclusiones o analizar esquemas y capturas de pantalla junto con el enunciado de un problema.Preguntas frecuentes sobre Pareto 26.10 Preview
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto: acepta texto, imágenes y documentos como entrada y genera texto como respuesta. Es adecuado para analizar materiales extensos, trabajar con código y refactorizarlo, analizar capturas de pantalla y PDF, así como para análisis y preparación de borradores.
Hasta 131 072 tokens por respuesta, suficiente para un documento técnico extenso, un módulo de código grande o un análisis detallado. La ventana de contexto es de 1 048 576 tokens, por lo que puedes mantener un proyecto completo o un archivo de documentos en el diálogo.
No se indica un modo de razonamiento separado en nuestros datos. Sin embargo, puedes pedirle al modelo que descomponga la tarea paso a paso directamente en el prompt: esta técnica suele ayudar en problemas de matemáticas, lógica y depuración de código. Pruébalo en tu escenario.
Sí, el modelo admite llamadas a funciones y salida estructurada en JSON. Esto permite conectarlo a servicios externos, bases de datos y escenarios de agentes, obteniendo un formato de respuesta predecible. BotHub utiliza una API única compatible con OpenAI, por lo que no tendrás que reescribir la integración.
Según nuestros datos, el modelo acepta imágenes y documentos: puedes enviar una captura de pantalla de una interfaz, un esquema, un gráfico, una fotografía o un archivo y pedir que analice el contenido. La compatibilidad con audio y video no está indicada en los datos; el modelo siempre devuelve la respuesta en texto.
No tenemos datos sobre los idiomas, por lo que no podemos garantizar la calidad en ruso; es mejor probarlo con tus propias tareas. En BotHub es fácil: envía la misma consulta a varios modelos en una sola ventana y compara los resultados.