Pareto Latest e 26.9 chegam a US$ 2,50, mas sem benchmark

Se você usa um modelo em produção e olha primeiro para a fatura, o dado decisivo dos novos Pareto é simples: Pareto Latest e Pareto 26.9 custam US$ 2,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída no OpenRouter. Os dois chegaram ao catálogo em 13 de outubro, com janela de contexto de 262.144 tokens.

Isso os coloca numa faixa intermediária de preço. Não são opções de entrada para workloads de alto volume, nem chegam ao custo dos modelos mais caros do catálogo. A ressalva é importante: não há, até agora, nota registrada para inteligência, código ou uso agêntico no Artificial Analysis. O preço está claro; o desempenho comparável, não.

O que mudou no catálogo

Os lançamentos são duas versões do mesmo nome comercial: Pareto Latest, identificado como ~unbiased/pareto-latest, e Pareto 26.9, identificado como unbiased/pareto-26.9. Ambos têm o criador listado como unbiased, embora o primeiro preserve o prefixo ~ no identificador.

Na prática, a oferta inicial é igual nos pontos que mais afetam a conta: US$ 2,50 por milhão de tokens de entrada, US$ 7,50 por milhão de tokens de saída e US$ 0,25 por milhão de tokens em cache. A janela de contexto também é a mesma, com 262.144 tokens.

Isso significa que a decisão entre as duas versões não pode ser tomada pelo preço ou pelo limite de contexto. Será necessário testar comportamento, estabilidade, compatibilidade com ferramentas e qualidade das respostas no fluxo específico da aplicação. Nenhum desses critérios aparece quantificado nas informações disponíveis.

A conta coloca o Pareto no meio

O preço de entrada dos Pareto é superior ao de alternativas recém-adicionadas ao catálogo. O LiquidAI: LFM2.5-24B-A2B custa US$ 0,05 por milhão de tokens de entrada e US$ 0,70 na saída, com contexto de 128.000 tokens. Já o Gemini 4 Argon custa US$ 2 por milhão na entrada e US$ 10 na saída, com janela de 1.048.576 tokens.

O Pareto fica entre esses dois perfis: custa mais que o modelo da LiquidAI e menos na saída que o Gemini 4 Argon. Em contexto, oferece menos que o modelo do Google, mas mais que o LFM2.5-24B-A2B. Essa é a leitura objetiva do catálogo — não uma conclusão de que ele seja melhor ou pior.

Também há uma diferença em relação a modelos com versões voltadas para lotes. O Gemini 4 Argon (batch) aparece a US$ 1 por milhão de tokens de entrada e US$ 5 na saída, mantendo a janela de 1.048.576 tokens. Se a aplicação tolera processamento em lote, essa alternativa tem preço menor nos dois lados da cobrança.

O que o preço não informa

O Artificial Analysis não registra nota de inteligência, código ou uso agêntico para o Pareto Latest nem para o Pareto 26.9. Também não há informação listada sobre quantidade de parâmetros, pesos abertos ou país de origem.

Isso limita a comparação com base apenas no preço. Um contexto de 262.144 tokens pode ser relevante para documentos longos, históricos extensos e tarefas que exigem manter muita informação na mesma chamada. Mas uma janela grande não garante que o modelo use esse espaço com qualidade, nem que a resposta final compense o custo de saída.

Para quem paga por geração, a saída merece atenção especial. A tarifa de US$ 7,50 por milhão de tokens é três vezes a tarifa de entrada de US$ 2,50. Uma aplicação que produz respostas longas, usa raciocínio extensivo ou executa várias etapas pode concentrar boa parte da fatura na saída.

Para quem vale a pena testar

Os Pareto fazem sentido para equipes que precisam de uma janela maior que a do LFM2.5-24B-A2B, mas não querem assumir a tarifa de saída de US$ 10 do Gemini 4 Argon. Também podem entrar em uma bateria de testes de aplicações com documentos longos, desde que o orçamento considere o custo de geração.

Para tarefas simples e de alto volume, o preço do LiquidAI é mais atraente. Para quem precisa de contexto de 1.048.576 tokens, os Pareto não atendem ao mesmo limite oferecido pelo Gemini 4 Argon e por modelos Qwen listados no catálogo, ambos com 1.000.000 de tokens de contexto.

E, se a sua decisão depende de benchmark de inteligência, código ou agentes, o lançamento ainda não resolve a pergunta. Os dois modelos estrearam sem essas notas no Artificial Analysis. Nesse caso, a escolha exige uma avaliação própria com os prompts, ferramentas e limites de latência da produção.

A consequência prática é direta: trate o Pareto Latest e o Pareto 26.9 como candidatos de preço e contexto, não como substitutos comprovados de modelos avaliados — faça um teste controlado antes de trocar o modelo que já paga a sua fatura.