Pareto Latest

Pareto Latest 归属的系列与开发方在公开信息中并未明确，本站记录只显示其名称、能力项与报价。它解决的核心问题是「上下文不够用」：上下文窗口达到 1048576 tokens，单次最大输出 131072 tokens，意味着可以把长篇合同、整套技术文档、多轮会议记录连同图片一起提交，而不必先做切片与摘要。输入侧接受文本与图像，输出为文本，并提供工具调用、附件输入与温度调节，方便接入检索、文件解析或自动化流程。价格按输入 0.8 美元/百万 tokens、输出 3.2 美元/百万 tokens、缓存读 0.03 美元/百万 tokens 计，输出约为输入的四倍，属于长上下文模型中偏中档的定价区间。需要注意，该模型目前没有公开的第三方跑分可供交叉验证，渠道覆盖也相当有限，选型时应以小样本实测为主。

选型建议需要百万级上下文并要图文混读、且能接受单渠道与无跑分验证时可选它；追求低价高并发或需要明确评测背书时不宜作为首选。

• 解析上百页合同或招投标文件，跨章节比对条款并输出差异清单
• 把整套产品手册与技术文档连同截图一并提交，做图文混合问答
• 批量阅读会议记录与附件，生成结构化纪要与待办事项
• 接入工具调用，让模型读取附件后触发检索、表单填写等后续动作
• 对扫描件与图表做初步归类与字段提取，减少人工录入

官方未披露参数规模、层数与注意力实现方式，只能从接口能力和上下文规格做定性判断：这是一款以超长上下文为主打、原生支持图文混合输入的通用模型。

• 结构上下文 1048576 tokens、单次输出上限 131072 tokens，规格上偏向长文档一次性理解而非短对话高频调用。
• 能力输入接受文本与图像，配合工具调用、附件输入与温度调节，可承担文件问答、图表解读与流程编排类任务。
• 披露参数规模、训练数据与上下文实现细节均未公开，模型系列归属与开发方同样标注为未知，评估需依赖自测。

开源权重

—

模型家族

—

许可证

—

参数规模

—

缺少第三方跑分与公开评测，性能只能从能力配置和价格档位推断，整体更像长上下文取向的通用模型，而非追求极限推理的旗舰。

• 强项百万级上下文配合图像输入，适合整本手册、长合同、多文件附件的连续阅读，减少切片带来的信息断裂。
• 短板无公开跑分佐证推理与代码能力，百万上下文下的中段召回与细节定位也需自行验证，不能默认等于有效上下文。
• 适合文档密集型、需要图文混读且调用频次不高的业务；高频短请求场景用它的长上下文能力并不划算。

定价为输入 0.8 美元/百万 tokens、输出 3.2 美元/百万 tokens、缓存读 0.03 美元/百万 tokens，在同类长上下文模型中处于中间位置，成本高低取决于输入输出配比。

• 定位输出价约为输入价的四倍，回答越长成本越明显，适合输入重、输出轻的文档解析类负载。
• 横向对比对比表中 DeepSeek 系两款低 82.5% 与 87.5%，Llama 4 Maverick 低 75%，qwen3.8 则高出 212.5%，价差梯度明显。
• 平台差价现有报价记录仅指向 OpenRouter 单一渠道，与标价一致，收录平台数为 0，暂无跨平台比价空间。
• 省钱缓存读 0.03 美元/百万 tokens 远低于输入价，固定系统提示与重复文档应走缓存，能显著压低长期开销。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.8/M / $3.2/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径厂商、系列与参数均标注未知，本站未收录任何第三方跑分，能力判断只能基于接口规格，不代表实测水平。
• 边界对比表中 Auto Router (Beta) 报价为异常负值，不具参考意义；渠道仅单一来源，可用性与稳定性需自行验证。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。