Pareto 26.10 Preview
Réseau Neuronal
Pareto 26.10 Preview est un modèle composite multimodal pour la recherche, la programmation et les scénarios d'agents.
Caractéristiques
- Entrée
- texte, images, documents
- Sortie
- texte
- Taille du contexte
- 1 048 576 tokens
- Longueur maximale de la réponse
- 131 072 tokens
- Fonctionnalités
- appel de fonctions
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 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();
Comment ça marche Pareto 26.10 Preview?
Pareto 26.10 Preview est un modèle composite multimodal conçu pour la recherche, la programmation et les scénarios d'agents, tout en étant performant sur un large éventail de requêtes quotidiennes. Le terme « preview » indique une version préliminaire : vous utilisez le modèle avant sa version stable. La multimodalité supprime la frontière entre texte et image au sein d'une même tâche, et l'assemblage composite aide à mener celle-ci de la formulation de la question au résultat final. Dans BotHub, le modèle est accessible depuis la Russie sans VPN ni carte étrangère, avec un paiement en roubles à l'usage — pour les jetons réellement consommés, qui n'expirent pas. Plus de 250 modèles sont disponibles dans la même fenêtre : comparez les réponses ou changez de modèle en quelques clics, et l'API unique compatible OpenAI évite de réécrire l'intégration. Les dialogues sont chiffrés, et les entreprises bénéficient de contrats, factures, EDI et d'un panneau d'administration avec limites. Utilisez Pareto 26.10 Preview pour analyser une base de code inconnue et refactoriser un module, créer un agent pour un processus multi-étapes, mener des recherches et synthétiser des conclusions, ou analyser un schéma ou une capture d'écran avec l'énoncé d'un problème.Questions fréquentes sur Pareto 26.10 Preview
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel : il accepte en entrée du texte, des images et des documents, et renvoie du texte. Il est adapté à l'analyse de longs documents, au travail sur le code et à sa refactorisation, à l'analyse de captures d'écran et de PDF, ainsi qu'à l'analyse et à la préparation de brouillons.
Jusqu'à 131 072 jetons par réponse — suffisant pour un document technique volumineux, un grand module de code ou une analyse détaillée. La fenêtre de contexte est de 1 048 576 jetons, vous pouvez donc garder un projet entier ou une archive de documents dans la conversation.
Aucun mode de réflexion spécifique n'est indiqué dans nos données. Cependant, vous pouvez demander au modèle de décomposer la tâche étape par étape directement dans le prompt : cette technique aide généralement pour les problèmes de mathématiques, de logique et de débogage de code. Testez-le sur votre scénario.
Oui, le modèle prend en charge l'appel de fonctions et la sortie structurée en JSON. Cela permet de le connecter à des services externes, des bases de données et des scénarios d'agents, en obtenant un format de réponse prévisible. BotHub utilise une API unique compatible OpenAI, vous n'aurez donc pas à réécrire l'intégration.
Selon nos données, le modèle accepte les images et les documents : vous pouvez envoyer une capture d'écran d'interface, un schéma, un graphique, une photo ou un fichier et demander d'en analyser le contenu. La prise en charge de l'audio et de la vidéo en entrée n'est pas indiquée, le modèle répond toujours par du texte.
Nous n'avons pas de données sur les langues, nous ne pouvons donc pas garantir la qualité du russe — il vaut mieux tester sur vos propres tâches. Dans BotHub, c'est pratique : envoyez la même requête à plusieurs modèles dans une seule fenêtre et comparez les résultats.