Crouton Alpha : un modèle gratuit de 1 M de tokens que personne ne veut nommer

Les sommes sont modestes. Prenons une tâche d’agent de codage qui lit 200 000 tokens d’un dépôt et écrit 20 000 tokens en retour : 4 cents sur GLM-5.3-Flash, 23 cents sur Gemini 3.8 Flash. Remplissez toute la fenêtre de 1 048 576 tokens avec un seul prompt et l’entrée seule coûte 16 cents, ou 79 au tarif de Gemini. C’est la valeur monétaire de Crouton Alpha, dont l’appel est gratuit depuis son apparition le 3 novembre 2026 à 01:38 UTC, et ce n’est pas là le plus intéressant.

Le plus intéressant, c’est que Crouton Alpha est l’aperçu de quelque chose qui n’a pas de nom. Le champ fournisseur de sa fiche indique « Stealth » ; la description précise qu’il a été développé et exploité par un tiers « qui a choisi de rester anonyme pendant cet aperçu » ; la plateforme de routage n’en est explicitement ni le développeur, ni le propriétaire, ni le fournisseur. Il n’y a pas de carte de modèle, pas de poids, pas de grille tarifaire au-delà de zéro, pas de benchmark, et aucun laboratoire ne le revendique. Ce qu’il y a, c’est une spécification : 1 048 576 tokens de contexte, des entrées texte, image, vidéo, fichier et audio, un raisonnement obligatoire, et une clause sur les données qui compte bien plus que le nombre de tokens de contexte. Voilà ce qui est connu, ce qui est vérifiable, et ce qu’une équipe doit peser avant d’y connecter un agent.

Ce que l'annonce déclare réellement

Tout ce qui suit provient du propre dossier de l’aperçu, daté du 4 novembre 2026 — un jour après sa mise en ligne. Rien de tout cela n’a été mesuré de manière indépendante, et la spécification correspond à l’affirmation du fournisseur au sujet d’un fournisseur qui refuse de dire qui il est.

• Identité — Crouton Alpha, répertorié le 3 novembre 2026 à 01:38 UTC. Nom du fournisseur : « Stealth ». Développeur : non nommé.

• Contexte — 1,048,576 jetons d’entrée. Sortie maximale de 943,718 jetons, soit exactement 90 % de la fenêtre, ce qui suggère une valeur par défaut dérivée plutôt qu’une limite mesurée.

• Modalités — texte, image, vidéo, fichier et audio en entrée ; texte en sortie. L’audio et l’entrée de fichiers arbitraires constituent la partie inhabituelle ; la plupart des modèles de codage à contexte de 1 M s’arrêtent au texte et à l’image.

• Prix — 0 $ en entrée, 0 $ en sortie. La fiche ne comporte aucune date d'expiration, de sorte que la fin de l'aperçu n'est publiée nulle part.

• Raisonnement — déclaré obligatoire, avec des niveaux d’effort allant de minimal à maximal et une valeur par défaut de maximal. Il ne peut pas être désactivé.

• Outils — tool_choice « auto » uniquement ; structured outputs et response_format pris en charge avec temperature et top_p.

• Éléments probants — aucun tableau comparatif, aucune fiche de modèle, aucun chiffre de débit ou de latence, tokeniseur consigné comme « Other », quantification « unknown ».

• Diffusion — un seul fournisseur, aucun point de terminaison secondaire, disponibilité de 100 % sur les 30 dernières minutes, les 5 dernières minutes et la journée.

La description le présente comme « un modèle léger conçu pour le codage à grande échelle, les workflows agentiques et multimodaux », et pour « les sous-tâches agentiques, l'utilisation d'outils et l'analyse de documents dans le cadre de tâches répétitives à fort volume ». C'est une description de ce pourquoi le modèle est conçu, rédigée pour être lue par des personnes qui lui feront transiter des milliers de petits appels. Elle ne dit rien de son efficacité dans ces domaines, et un jour après le lancement de la preview, personne en dehors des murs du fournisseur n'a publié de chiffre.

La clause qui compte plus que la fenêtre de contexte

Les fiches Stealth comportent une mention standard, et celle de Crouton Alpha est celle qui mérite d’être lue deux fois : les prompts et les complétions peuvent être conservés par le fournisseur mais ne sont pas utilisés pour l’entraînement, et « tout autre usage » est régi par les conditions stealth de la version préliminaire. Les deux moitiés de cette phrase sont porteuses de sens. « Non utilisés pour l’entraînement » est une promesse concernant un usage en aval précis. « Peuvent être conservés » est une autorisation pour tous les autres usages, accordée par une partie que vous ne pouvez ni identifier ni auditer, selon des conditions rédigées pour une version préliminaire plutôt que pour un produit.

Mettez cela en regard de ce pour quoi le modèle est conçu. Un modèle de codage doté d’un contexte de 1 M de jetons et d’entrées audio et fichier est un modèle auquel on soumet un dépôt, un document de conception, un enregistrement d’appel, un PDF de contrats. C’est précisément le type de matériel qu’une organisation est le moins disposée à confier à un tiers non nommé pour une durée indéterminée, et la fenêtre gratuite est précisément la situation dans laquelle les gens sont le moins prudents. L’annonce indique également que le routage intra-UE est indisponible, de sorte qu’il n’existe aucune option pour épingler le traitement à une région européenne pendant les tests.

Le champ de quantification indique « inconnu », ce qui est un point plus mineur de même nature : vous ne pouvez pas savoir si le modèle qui vous répond tourne en pleine précision, ce qui fait que toute impression de vitesse ou de qualité que vous vous forgez pendant l’aperçu est un jugement sur ce déploiement, et non sur le modèle. S’il est publié plus tard en poids ouverts, vos mesures risquent de ne pas être transposables.

Le raisonnement est activé et est défini par défaut sur le maximum.

Deux détails de configuration expliquent l'essentiel de la surprise, et tous deux sont mécaniques plutôt que spéculatifs. Le raisonnement est déclaré obligatoire — un framework d'agent qui compte pouvoir désactiver la réflexion ne le peut pas — et l'effort par défaut est max, avec minimal, low, medium, high et xhigh disponibles mais non présumés. Un client qui n'envoie pas de reasoning_effort obtient le paramètre le plus coûteux proposé par le modèle, sur un modèle dont personne n'a mesuré la vitesse.

L'autre concerne les outils. tool_choice n'accepte que « auto » et rien d'autre : none, required et function sont tous indisponibles. Les frameworks qui forcent un appel avec tool_choice:"required" — un schéma courant lorsque l'on veut une réponse structurée garantie — n'obtiendront pas le comportement demandé. Les sorties structurées et response_format sont prises en charge, donc le contournement existe, mais ce n'est qu'un contournement. Combiné à un plafond de sortie de 943 718 tokens, le conseil pratique est peu glamour : définissez explicitement max_tokens, définissez explicitement reasoning_effort, et ne partez pas du principe qu'un endpoint gratuit est bon marché en temps horloge.

Qui est derrière tout cela, et ce que laissent présager les derniers drops

Les aperçus anonymes finissent par être identifiés, et le récent historique est suffisamment cohérent pour être utile. Ox Alpha est apparu le 20 août 2026 avec la même configuration — gratuit, contexte de 1 M, entrée texte et image, positionné pour le codage et les tâches agentiques — et le 26 août, Z.ai l’a confirmé comme étant GLM-5.3-Flash, le modèle Mixture-of-Experts de 320 B au total / 18 B actifs désormais proposé à 0,15 $ et 0,50 $ par million de jetons. La communauté a été la première à trouver, et pas en devinant : des comptes rendus publiés rapportent avoir compté les jetons de prompt sur des sondes contrôlées, annulé le gabarit de conversation masqué par différenciation, et fait correspondre le vocabulaire à celui de GLM-5 sur 95 sondes sur 95 avec une erreur absolue moyenne nulle. Des comptages de jetons, pas des impressions.

Cet épisode est aussi un avertissement sur les chiffres qui circulent pendant une prévisualisation. Un chiffre phare a circulé pour Ox Alpha, qui n'a pas résisté à une exécution réelle ; le score qui a tenu par la suite était bien plus ordinaire. Les fenêtres de discrétion sont l'endroit où un chiffre impressionnant peut subsister une semaine sans que rien ne le soutienne, et l'absence de tout benchmark pour Crouton Alpha est, tout bien pesé, la configuration la plus honnête — il n'y a aucun chiffre dont on pourra être déçu plus tard.

Pour Crouton Alpha spécifiquement, au 4 novembre, il n’y a rien d’autre sur quoi s’appuyer que la spécification. Aucune empreinte de tokenizer n’a été publiée, aucune comparaison de chaînes d’erreur, aucun test de comportement. Le champ tokenizer de la fiche indique « Other », donc le vocabulaire n’est pas pré-associé à une famille connue, et les entrées audio et fichiers élargissent la surface qu’une empreinte devrait expliquer. Quiconque affirme sur les réseaux sociaux savoir qui l’a construit, au bout d’un jour, ne fait que deviner. Le schéma observé avec Ox Alpha suggère que la réponse tombe en moins d’une semaine et généralement seulement après la clôture de la période gratuite, ce qui est une raison d’observer plutôt que de spéculer.

Comment passer une semaine libre sans payer avec quelque chose qui vous manquerait

Une fenêtre libre comme celle-ci a une véritable utilité, et elle est plus étroite que ne le laisse entendre l’annonce.

• Partez du principe que chaque invite est publiée. Rédigez le jeu de tests comme si vous le publiiez dans un dépôt public, car la clause autorise la conservation et les conditions couvrent tout ce qui dépasse l’entraînement.

• Gardez-le hors du chemin de production. Un seul fournisseur, aucun second point de terminaison, aucune date d’expiration publiée, et un modèle qui peut être retiré sans préavis ne constituent pas une dépendance ; c’est une expérimentation.

• Exécutez les mêmes prompts sur un modèle nommé dans la même session. Une impression d’un modèle sans référence ne vaut rien — la seule production utile de la semaine est un diff, sur vos propres tâches, par rapport à quelque chose que vous pouvez chiffrer et conserver.

• Épinglez les paramètres qui vous importent. max_tokens et reasoning_effort à chaque appel, des sorties structurées plutôt que des appels d’outils forcés, et consignez la forme de la requête avec le résultat afin que la comparaison soit équitable.

• Consignez les modes de défaillance. La limitation de débit, les délais d’attente et la troncature sont les éléments qui déterminent si un modèle est utilisable à grande échelle, et un aperçu gratuit est l’endroit le moins coûteux pour les découvrir.

Si vous voulez que le travail soit fait par un modèle qui a un nom.

OrcaRouter ne sert pas Crouton Alpha, et rien ici ne constitue une recommandation de routage pour ce modèle — le modèle n’existe que dans cet aperçu. Le catalogue est l’endroit où le même travail est accompli par une solution dotée d’un fournisseur publié, d’un prix et d’un second point de terminaison derrière elle. Les prix ci-dessous proviennent du catalogue OrcaRouter du 4 novembre 2026, répercutés au prix catalogue du fournisseur, sans marge.

• GLM-5.3-Flash — 1M de contexte, texte + image + vidéo en entrée, 128K de sortie maximum, 0,15 $ en entrée / 0,50 $ en sortie par million. Le modèle qu'Ox Alpha s'est révélé être.

• DeepSeek V4.1 Flash — contexte de 1 M, texte + image en entrée, sortie max de 384 K, 0,15 $ / 0,60 $.

• Qwen3.8 Flash — contexte de 1 M, entrée texte + image + vidéo, sortie max de 131 K, 0,15 $ / 0,47 $.

MiniMax M3.1 Flash — contexte de 1 M, entrée texte + image + vidéo, sortie max. de 524 K, 0,15 $ / 0,60 $.

• Gemini 3.8 Flash — contexte de 1 M, texte + image + fichier + audio + vidéo en entrée, sortie max. de 64 K, 0,75 $ / 3,75 $. La correspondance la plus proche de l’ensemble d’entrées déclaré de Crouton Alpha, et la raison pour laquelle il porte l’arithmétique dans cet article.

Quatre de ces cinq sont au même prix des entrées, ce qui est l'autre raison pour laquelle la fenêtre gratuite vaut si peu financièrement : l'inférence à contexte long dans le segment bon marché est devenue une commodité, et la décision qui coûte réellement de l'argent est celle du modèle sur lequel vous standardisez. C'est à cela que sert une clé API unique — plusieurs modèles nommés derrière un seul point de terminaison, un basculement automatique lorsqu'un fournisseur se dégrade, et un DSL de routage pour les composer, de sorte que tester un candidat et maintenir la production sur un modèle connu relèvent de la même intégration plutôt que de deux. Pour les entrées audio et fichier en particulier, Gemini 3.8 Flash déclare les mêmes cinq types d'entrée à la même longueur de contexte, ce qui en fait le point de comparaison honnête pour tout ce que Crouton Alpha finira par livrer.

Qu'est-ce qui transformerait cela en un article de lancement ?

Quatre choses, dans l’ordre approximatif de ce qu’elles permettraient de trancher.

Un laboratoire qui le revendique. C’est ainsi qu’Ox Alpha a pris fin : Z.ai a publié les poids, le nombre de paramètres et la licence, et le mystère a cessé d’en être un. Les poids seraient le deuxième — une publication ouverte permettrait à quiconque de vérifier la longueur de contexte et les affirmations sur les modalités en un après-midi, et vous dirait si la fenêtre de 1M est native ou recomposée. Une empreinte de tokenizer viendrait avant les deux, car c’est la méthode qui a fonctionné deux fois maintenant et elle ne nécessite aucune coopération du fournisseur. Et un benchmark indépendant, exécuté sur un harnais connu et publié avec le jeu de tâches, constituerait la première preuve de qualité dont ce modèle ait disposé.

Jusqu’à ce que l’un de ces éléments se concrétise, Crouton Alpha est une spécification assortie d’une clause de rétention, et la juste dose de confiance à lui accorder est celle que vous accorderiez à une annonce.

Si vous avez une tâche volumineuse, répétitive et peu sensible — analyser une étagère de documents publics, classer un corpus que cela ne vous dérangerait pas de voir publié — une semaine gratuite sur un endpoint à 1 M de tokens est un moyen peu coûteux de découvrir si le contexte long aide tant soit peu votre tâche, et la réponse reste utile quel que soit le modèle qui finit par se révéler être en dessous. Si les prompts sont l'atout, il n'y a rien ici qui vaille l'échange : l'économie est de quatre cents par tâche, et ce que vous céderiez est la raison même pour laquelle la tâche vaut la peine d'être exécutée.

La distinction que trace la carte, c’est tout l’article en une ligne : chaque chiffre de la colonne de gauche est une déclaration d’un fournisseur qui ne s’est pas identifié, et les six cellules de la colonne de droite, celle qui porterait la vérification, se lisent comme des absences.

La comparaison qui est réellement disponible

Comme le sujet ne peut pas être évalué par des benchmarks, la comparaison utile est structurelle plutôt que numérique : ce qu’un modèle nommé, à longueur de contexte égale, vous apporte que celui-ci n’apporte pas, et les points sur lesquels la fenêtre gratuite l’emporte véritablement.

GLM-5.3-Flash est ce qui se rapproche le plus d’un groupe témoin : le modèle que s’est révélée être la dernière préversion de codage anonyme à contexte de 1 M, désormais doté d’un fournisseur, d’un prix, de poids publiés et de dix semaines d’exposition publique derrière lui. Si Crouton Alpha est un aperçu de quelque chose de cette famille — et il n’existe encore aucune preuve dans un sens ou dans l’autre —, alors la semaine gratuite offre un aperçu d’un modèle que vous pourrez ensuite louer pour 15 cents par million de jetons, ce qui rend le test peu coûteux et la décision de changer facile.

Faites le calcul une fois, et la décision ne se résume plus à une question d’argent. Une semaine d’appels illimités sur un modèle à 1 million de tokens ne vaut que de quelques centimes à quelques dollars pour presque tout le monde ; la raison de l’utiliser, c’est l’information, et la raison d’être prudent avec elle, c’est que les prompts que vous dépensez pour obtenir cette information valent bien plus que les tokens que vous économisez.