Pareto 26.10 Preview API
ID модели в запросах:global-1/unbiased/pareto-26.10-preview
Pareto 26.10 Preview от Unbiased через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.
- Контекст
- 1 048 576
- Макс. ответ
- 131 072
- Выпущена
- 01.10.2026
Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP
| Регион | Попробовать | Вход | Выход | Чтение кэша | ID модели в запросах |
|---|---|---|---|---|---|
| Глобальный · global-1 | Попробовать | 88,00 ₽0,88 PnP | 352 ₽3,52 PnP | 3,30 ₽0,04 PnP | global-1/unbiased/pareto-26.10-preview |
Цены розничные, без НДС (5 %). Для компаний — персональные цены по договору: чем больше объем, тем ниже цена.Узнать свою цену
Цены со скидкой по ссылке партнера, без НДС (5 %). Зарегистрироваться
Цены со скидкой вашей компании, без НДС (5 %).Ваши условия
Быстрый старт
curl https://router.nodul.ru/api/v1/chat/completions \ -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "global-1/unbiased/pareto-26.10-preview", "messages": [{"role":"user","content":"Hello!"}] }'
import os from openai import OpenAI client = OpenAI( base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"], ) response = client.chat.completions.create( model="global-1/unbiased/pareto-26.10-preview", messages=[{"role": "user", "content": "Hello!"}], ) print(response.choices[0].message.content) print("cost, PnP:", response.usage.model_extra.get("cost"))
import OpenAI from "openai"; const client = new OpenAI({ baseURL: "https://router.nodul.ru/api/v1", apiKey: process.env.NODUL_ROUTER_API_KEY, }); const response = await client.chat.completions.create({ model: "global-1/unbiased/pareto-26.10-preview", messages: [{ role: "user", content: "Hello!" }], }); console.log(response.choices[0].message.content); console.log("cost, PnP:", response.usage?.cost);
package main import ( "bytes" "encoding/json" "fmt" "net/http" "os" ) func main() { body := []byte(`{"model":"global-1/unbiased/pareto-26.10-preview","messages":[{"role":"user","content":"Hello!"}]}`) req, _ := http.NewRequest("POST", "https://router.nodul.ru/api/v1/chat/completions", bytes.NewReader(body)) req.Header.Set("Authorization", "Bearer "+os.Getenv("NODUL_ROUTER_API_KEY")) req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() if resp.StatusCode != http.StatusOK { var e struct{ Error struct{ Message string } } _ = json.NewDecoder(resp.Body).Decode(&e) fmt.Fprintln(os.Stderr, resp.Status, e.Error.Message) os.Exit(1) } var out struct { Choices []struct{ Message struct{ Content string } } Usage struct{ Cost json.Number } } if err := json.NewDecoder(resp.Body).Decode(&out); err != nil { panic(err) } fmt.Println(out.Choices[0].Message.Content) fmt.Println("cost, PnP:", out.Usage.Cost) }
<?php $body = '{"model":"global-1/unbiased/pareto-26.10-preview","messages":[{"role":"user","content":"Hello!"}]}'; $ch = curl_init('https://router.nodul.ru/api/v1/chat/completions'); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_HTTPHEADER => [ 'Authorization: Bearer ' . getenv('NODUL_ROUTER_API_KEY'), 'Content-Type: application/json', ], CURLOPT_POSTFIELDS => $body, CURLOPT_RETURNTRANSFER => true, ]); $response = json_decode(curl_exec($ch), true); if (curl_getinfo($ch, CURLINFO_HTTP_CODE) !== 200) { fwrite(STDERR, $response['error']['message'] ?? 'request failed'); exit(1); } echo $response['choices'][0]['message']['content'], PHP_EOL; echo 'cost, PnP: ', $response['usage']['cost'], PHP_EOL;
Описание
Pareto 26.10 Preview от Unbiased — предварительная версия составной модели Pareto 26.10, выпущенная 1 октября 2026 года: на каждый запрос работают несколько моделей, ответ один. Принимает текст и изображения, вызывает инструменты, понимает параметр response_format.
Для чего подходит Pareto 26.10 Preview
Pareto не один чекпойнт: по описанию разработчика, над каждым запросом работают несколько моделей, закрытых и открытых, а пользователь получает один синтезированный ответ. Какие именно модели входят в смесь, в источниках не названо, а по оценке BenchLM состав может меняться между релизами. Preview — та же линия, что и Pareto 26.10: модель для исследований, программирования и агентных задач, которая справляется и с общими запросами. Через Router она принимает текст и изображения, вызывает инструменты, отвечает потоком и понимает параметр response_format. Последнее главное практическое отличие от стабильной 26.10, где в нашем каталоге этого параметра нет.
Берите Preview, если вашему приложению нужен структурированный ответ через response_format, но вы хотите ценовой и контекстный уровень семейства 26.10, а не 26.9. Если параметр не нужен, разумнее взять стабильную версию: Preview разработчик называл предварительной, а после 15 октября рекомендует для стабильной работы строки pareto или pareto-26.10.
В API разработчика эта версия выбирается строкой pareto-26.10-preview, а строка pareto теперь указывает на стабильную сборку.
Не подойдет, если нужны аудио, видео или файлы на входе, веса для запуска у себя (они закрыты) и фиксированное поведение: состав составной модели может меняться между релизами.
Сильные стороны
- Структурированный вывод в новой линейке. В каталоге Preview принимает
response_format, как и Pareto 26.9, но относится к более новой версии. - Агентный код. По данным разработчика, на DeepSWE v1.1 результат 69,9%, почти как у 26.9 (70,0% на выборке из 30 задач).
- Научные вопросы. На GPQA-Diamond по данным разработчика 92,4% против 91,6% у 26.9.
- Один вызов вместо ручной сборки. Не нужно самим строить связку из нескольких моделей и синтеза ответов: это делает сама модель, а вам остается обычный запрос в формате OpenAI.
- Скорость. Разработчик заявляет меньшую задержку по сравнению с 26.9, особенно на длинных агентных запусках; независимых замеров нет.
Ограничения и спорные моменты
- Цифры предварительные и от самого разработчика. Запуски от 1 октября 2026 года, разработчик пишет, что они могут измениться. Сравнение с чужими результатами нестрогое: у других лабораторий свои наборы задач и обвязки.
- Нет независимой оценки. BenchLM (ноябрь 2026) показывает три строки, все взяты у разработчика, и не включает модель в рейтинг. Результат HLE он не учел, потому что не указано, использовались ли инструменты.
- Версия-кандидат. Разработчик обещал, что примерно в течение недели модель будет улучшаться, а 15 октября объявил стабильную 26.10. При этом он прямо пишет, что приведенные результаты принадлежат предварительной версии, а не новой оценке стабильной. Совпадает ли поведение Preview с нынешней стабильной версией, неизвестно. Зато обещания на время предварительной фазы разработчик дал простые: цена не вырастет, а строка
pareto-26.10-previewне сломается. - Отстает на сложных тестах. На Terminal-Bench 4.0 (50,8%) по сводке разработчика ниже Claude Sonnet 5.5 (70,6%), GPT-6 Astra (59,6%) и GPT-6.1 Sol (56,1%). Результаты конкурентов разработчик взял из чужих источников, поэтому прямым сравнением их считать нельзя. На HLE (49,9%) ниже GPT-6.1 Sol (52,9%) и Claude Sonnet 5.5 (55,0%).
- Данные. В нашем каталоге у Preview нет отметки о нулевом хранении данных, у стабильной 26.10 она есть. У разработчика такой режим действует для трафика, помеченного как ZDR; в чате он не применяется.
Бенчмарки
| Тест | Результат | Источник | Дата |
|---|---|---|---|
| DeepSWE v1.1 (агентный код), по данным разработчика | 69,9% | Unbiased, запуск Preview | окт. 2026 |
| Terminal-Bench 4.0 (терминальные задачи), по данным разработчика | 50,8% | Unbiased, запуск Preview | окт. 2026 |
| GPQA-Diamond (науки), по данным разработчика | 92,4% | Unbiased, запуск Preview | окт. 2026 |
| HLE, только текст (экспертные вопросы), по данным разработчика | 49,9% | Unbiased, запуск Preview | окт. 2026 |
Все четыре результата разработчик назвал предварительными (запуски 1 октября 2026 года) и предупредил, что они получены на сервисной сборке, которая еще настраивалась. Знаменатели и методику расчета он сам просит уточнять. Скрипты оценок разработчик опубликовал, так что при желании цифры можно перепроверить на своей нагрузке.
Чем Pareto 26.10 Preview отличается от Pareto 26.10 и 26.9
Семейство Pareto выходит версиями по месяцам. Pareto 26.9 — предыдущий релиз, он остается доступным. Pareto 26.10 — стабильная версия, объявленная 15 октября; цена у нее та же, что была в предварительной, а результаты в ее описании взяты из запусков Preview. Preview — самая ранняя сборка линии 26.10.
Для выбора важны три вещи. Первое: response_format есть у Preview и 26.9, а у стабильной 26.10 его в каталоге нет. Второе: по сравнению с 26.9 Preview заметно дешевле и принимает больше контекста при близком результате на DeepSWE. Третье: стабильная версия отмечена в каталоге как поддерживающая нулевое хранение данных, Preview нет. Нужен структурированный вывод в линейке 26.10 — берите Preview. Иначе берите стабильную 26.10.
Альтернативы в каталоге
- Pareto 26.10: стабильная версия той же линии, если
response_formatне нужен. - GPT-6.1 Sol: сильнее на DeepSWE (75,2% по данным OpenAI) и на HLE; когда важнее качество на трудных задачах.
- Claude Sonnet 5.5: заметно выше на Terminal-Bench 4.0 (70,6% по данным Anthropic); для длинных терминальных агентных задач.
- DeepSeek V4.1 Flash (Россия): облегченная модель, если нужна региональная точка в России; по сводке разработчика Pareto выше нее на Terminal-Bench 4.0 и HLE.
Частые вопросы
Зачем брать Preview, если есть стабильная 26.10?
Главная причина — параметр response_format: в нашем каталоге он есть у Preview и нет у стабильной версии. Если структурированный вывод не нужен, берите стабильную.
Понимает ли Preview изображения и вызывает ли инструменты?
Да, на входе текст и изображения, поддерживаются вызов инструментов и потоковый ответ. Ответ всегда текстовый.
Подходит ли она для агентов и кода?
Да, это назначение семейства: по данным разработчика, DeepSWE v1.1 — 69,9%. На Terminal-Bench 4.0 она уступает ряду моделей, поэтому проверьте ее на своих задачах.
Можно ли запустить ее у себя?
Нет. Это закрытая составная модель, веса не публикуются.
Что делать, если я уже использую Preview?
Цена и контекст у стабильной версии те же, что были в предварительной, поэтому переход ничего не ломает по условиям. Но проверьте, не опираетесь ли вы на response_format: в каталоге у стабильной 26.10 его нет. Тогда оставайтесь на Preview или переходите на Pareto 26.9.
Источники
Все параметры API · 6
max_tokensresponse_formattemperaturetool_choicetoolstop_p

