Найти самую эффективную модель для конкретной задачи — отдельная работа, которую большинство команд избегает. Именно для этого компания Unbiased создала Pareto, свою мета-модель, которая теперь доступна на платформе OpenRouter.
Pareto не просто выполняет запросы, а действует как агрегатор: на каждый запрос она запускает несколько базовых моделей (как проприетарных, так и открытых), выбирает лучший ответ и возвращает его пользователю. Это позволяет платформе Unbiased предлагать «производительность за меньшие деньги». На OpenRouter модель доступна с контекстом до 262144 токенов и поддерживает преобразование из текста и изображений в текст (мультимодальность).
OpenRouter выступает в роли маршрутизатора, направляя запросы пользователей к этой сторонней модели. Разработчики Pareto при этом подчеркивают, что, в отличие от таких маршрутизаторов, сама Pareto не переключает базовые модели в середине диалога. Это позволяет сохранять кэш промптов и обеспечивать предсказуемость работы.
В своих внутренних тестах Pareto 26.9 показала высокие результаты, сравнявшись с GPT 6 Astra и DeepSeek 4.1 Flash на бенчмарке DeepSWE для агентского кодирования, набрав 74 балла из 100. Она также превзошла Fable 5.1. Контекстное окно — ключевой показатель для LLM, определяющий объем данных (токен — примерно три четверти английского слова), который модель может обработать за один запрос. Размер контекста Pareto в 262144 токена является, учитывая, что за последние шесть лет этот показатель вырос от нескольких тысяч токенов до миллионов.
Модель Pareto предлагает разработчикам новый подход к выбору LLM, абстрагируя процесс сравнения и выбора в один API-вызов. Это может упростить интеграцию и потенциально оптимизировать затраты, но привязывает к критериям оценки моделей, которые использует Unbiased. Хотя OpenRouter указывает, что одна из версий Pareto доступна бесплатно, общая ценовая политика Unbiased на модель Pareto на OpenRouter пока не раскрыта.