Crouton Alpha: Um modelo gratuito de 1 milhão de tokens que ninguém vai nomear

O dinheiro é pouco. Pegue uma tarefa de agente de codificação que lê 200.000 tokens de repositório e grava 20.000 tokens de volta: quatro centavos no GLM-5.3-Flash, vinte e três centavos no Gemini 3.8 Flash. Preencha toda a janela de 1.048.576 tokens com um único prompt e só a entrada custa dezesseis centavos, ou setenta e nove na tarifa do Gemini. Esse é o valor em dinheiro de Crouton Alpha, gratuito para chamar desde que apareceu em 3 de novembro de 2026 às 01:38 UTC, e essa não é a parte interessante.

A parte interessante é que Crouton Alpha é uma prévia de algo que não tem nome. O campo de provedor em sua listagem diz “Stealth”; a descrição diz que foi desenvolvido e operado por um terceiro “que escolheu permanecer anônimo durante esta prévia”; a plataforma de roteamento não é, explicitamente, sua desenvolvedora, proprietária ou provedora. Não há model card, nem pesos, nem tabela de preços que não seja zero, nem benchmark, e nenhum laboratório reivindica sua autoria. O que existe é uma especificação: 1.048.576 tokens de contexto, entrada de texto, imagem, vídeo, arquivo e áudio, raciocínio obrigatório, e uma cláusula de dados que importa muito mais do que o número de contexto. Isto é o que se sabe, o que é verificável e o que uma equipe deve pesar antes de apontar um agente para ele.

O que o anúncio declara efetivamente

Tudo o que se segue vem do próprio registo da pré-visualização, de 4 de novembro de 2026 — um dia depois de ter sido publicada. Nada disso foi medido de forma independente, e a especificação é a alegação do fornecedor sobre um fornecedor que não revela quem é.

• Identidade — Crouton Alpha, listado em 3 de novembro de 2026 às 01:38 UTC. Nome do provedor: "Stealth". Desenvolvedor: não identificado.

• Contexto — 1,048,576 tokens de entrada. Saída máxima de 943,718 tokens, o que é exatamente 90% da janela, sugerindo um padrão derivado em vez de um limite medido.

• Modalidades — texto, imagem, vídeo, arquivo e áudio na entrada; texto na saída. Áudio e entrada de arquivos arbitrários são a parte incomum; a maioria dos modelos de codificação com contexto de 1M para em texto e imagem.

• Preço — $0 de entrada, $0 de saída. O registro não traz data de expiração, portanto o fim da prévia não é publicado em lugar nenhum.

• Raciocínio — declarado obrigatório, com esforços de mínimo a máximo e padrão máximo. Não pode ser desativado.

• Ferramentas — somente tool_choice "auto"; structured outputs e response_format são suportados juntamente com temperature e top_p.

• Evidência — nenhuma tabela de benchmark, nenhum cartão de modelo, nenhum valor de throughput ou latência, tokenizador registrado como "Outro", quantização "desconhecida".

• Atendimento — um provedor, sem segundo endpoint, 100% de uptime nos últimos 30 minutos, 5 minutos e no dia.

A descrição o posiciona como "um modelo leve criado para codificação escalável, fluxos de trabalho agênticos e multimodais", para "subtarefas agênticas, uso de ferramentas e análise de documentos em trabalho repetitivo e de alto volume". Essa é uma descrição daquilo para que o modelo serve, escrita para ser lida por pessoas que encaminharão milhares de chamadas pequenas por ele. Ela não diz nada sobre o quão bom ele é em qualquer uma dessas coisas e, um dia após o início da prévia, ninguém fora dos muros do provedor publicou um número.

A cláusula que importa mais do que a janela de contexto

As listagens stealth trazem uma divulgação padrão, e a do Crouton Alpha é a que vale a pena ler duas vezes: prompts e completions podem ser retidos pelo provedor, mas não são usados para treinamento, e "todos os outros usos" são regidos pelos termos stealth da prévia. As duas metades dessa frase estão fazendo trabalho. "Não usados para treinamento" é uma promessa sobre um uso posterior específico. "Podem ser retidos" é permissão para todos os outros usos, concedida por uma parte que você não pode identificar nem auditar, sob termos escritos para uma prévia, e não para um produto.

Compare isso com aquilo para que o modelo foi concebido. Um modelo de programação com 1M de tokens de contexto e entrada de áudio e arquivos é um modelo ao qual se fornece um repositório, um documento de design, uma gravação de chamada, um PDF de contratos. Esse é precisamente o tipo de material que uma organização está menos disposta a entregar a um terceiro não identificado por um período indefinido, e a janela gratuita é precisamente a situação em que as pessoas têm menos cuidado. A listagem também indica que o roteamento na região da UE não está disponível, portanto não há opção de fixar o processamento a uma região europeia durante os testes.

O campo de quantização aparece como "desconhecido", o que é um ponto menor com a mesma forma: você não consegue saber se o modelo que está respondendo está rodando em precisão total, o que faz qualquer impressão de velocidade ou qualidade que você forme durante a prévia ser uma afirmação sobre esta implantação, e não sobre o modelo. Se ele for lançado mais tarde como pesos abertos, suas medições podem não se transferir.

O raciocínio está ativado e, por padrão, fica no máximo

Dois detalhes de configuração causarão a maior parte da surpresa, e ambos são mecânicos, não especulativos. O raciocínio é declarado obrigatório — um framework de agentes que espera poder desativar o pensamento não pode — e o esforço padrão é max, com minimal, low, medium, high e xhigh disponíveis, mas não presumidos. Um cliente que não envia reasoning_effort recebe a configuração mais cara que o modelo oferece, em um modelo cuja velocidade ninguém mediu.

O outro é tools. tool_choice aceita "auto" e nada mais: none, required e function estão todos indisponíveis. Frameworks que forçam uma chamada com tool_choice:"required" — um padrão comum quando se quer uma resposta estruturada garantida — não obterão o comportamento solicitado. Structured outputs e response_format são suportados, então o contorno existe, mas é um contorno. Combinado com um teto de saída de 943.718 tokens, o conselho prático é pouco glamouroso: defina max_tokens explicitamente, defina reasoning_effort explicitamente e não presuma que um endpoint gratuito seja barato em tempo de relógio.

Quem está por trás disso, e o que os últimos drops preveem

Prévias anônimas são identificadas, e o histórico recente é consistente o suficiente para ser útil. O Ox Alpha surgiu em 20 de agosto de 2026 com o mesmo formato — gratuito, contexto de 1M, entrada de texto e imagem, posicionado para codificação e trabalho agêntico — e, em 26 de agosto, a Z.ai o confirmou como GLM-5.3-Flash, o modelo Mixture-of-Experts com 320B no total / 18B ativos, agora roteado a US$ 0,15 e US$ 0,50 por milhão de tokens. A comunidade chegou lá primeiro, e não por adivinhação: relatos publicados informam a contagem de tokens de prompt contra sondas controladas, o cancelamento do template de chat oculto por diferenciação e a correspondência do vocabulário com o do GLM-5 em 95 de 95 sondas, com erro absoluto médio zero. Contagens de tokens, não vibes.

Esse episódio também é um alerta sobre os números que circulam durante uma prévia. Um número de destaque circulou para o Ox Alpha que não resistiu a uma execução real; a pontuação que se sustentou depois era bem mais comum. As janelas stealth são onde um número impressionante pode viver por uma semana sem nada por trás, e a ausência de qualquer benchmark para o Crouton Alpha é, no cômputo geral, a configuração mais honesta — não há número pelo qual se decepcionar depois.

Especificamente para o Crouton Alpha, em 4 de novembro, não há nada em que se basear além da especificação. Nenhuma fingerprint de tokenizador foi publicada, nenhuma comparação de strings de erro, nenhum teste de comportamento. O campo tokenizer da listagem diz "Other", então o vocabulário não está pré-associado a uma família conhecida, e as entradas de áudio e de arquivo ampliam a superfície que uma fingerprint teria de explicar. Qualquer pessoa que afirme nas redes sociais saber quem o construiu, um dia depois, está adivinhando. O padrão do Ox Alpha sugere que a resposta chega em uma semana e normalmente só depois que o período gratuito termina, o que é um motivo para observar em vez de especular.

Como passar uma semana livre sem pagar com algo de que você sentiria falta

Existe um uso real para uma janela gratuita como esta, e ele é mais restrito do que o anúncio sugere.

Presuma que todo prompt será publicado. Escreva o conjunto de testes como se você o estivesse publicando em um repositório público, porque a cláusula permite a retenção e os termos abrangem tudo além do treinamento.

Mantenha isso fora do caminho de produção. Um provedor, nenhum segundo endpoint, nenhuma expiração publicada e um modelo que pode ser retirado sem aviso não é uma dependência; é um experimento.

• Execute os mesmos prompts em um modelo específico na mesma sessão. Uma impressão de um modelo sem linha de base não vale nada — a única saída útil da semana é um diff, nas suas próprias tarefas, contra algo que você possa precificar e manter.

• Fixe as configurações com que você se importa. max_tokens e reasoning_effort em cada chamada, saídas estruturadas em vez de chamadas de ferramenta forçadas, e registre o formato da requisição junto com o resultado para que a comparação seja justa.

• Registre os modos de falha. Limitação de taxa, timeouts e truncamento são os fatores que decidem se um modelo é utilizável em volume, e uma prévia gratuita é o lugar mais barato para descobri-los.

Se você quer o trabalho feito por um modelo com nome.

O OrcaRouter não disponibiliza o Crouton Alpha, e nada aqui é uma recomendação de roteamento para ele — o modelo existe apenas naquela prévia. O catálogo é onde o mesmo trabalho é feito por algo com um fornecedor publicado, um preço e um segundo endpoint por trás. Os preços abaixo são do catálogo do OrcaRouter em 4 de novembro de 2026, repassados pelo preço de tabela do provedor sem markup.

• GLM-5.3-Flash — contexto de 1M, entrada de texto + imagem + vídeo, saída máxima de 128K, US$ 0,15 de entrada / US$ 0,50 de saída por milhão. O modelo que o Ox Alpha acabou sendo.

• DeepSeek V4.1 Flash — 1M de contexto, entrada de texto + imagem, saída máxima de 384K, $0.15 / $0.60.

• Qwen3.8 Flash — contexto de 1M, entrada de texto + imagem + vídeo, saída máxima de 131K, US$ 0,15 / US$ 0,47.

• MiniMax M3.1 Flash — contexto de 1M, texto + imagem + vídeo na entrada, saída máxima de 524K, US$ 0,15 / US$ 0,60.

• Gemini 3.8 Flash — 1M de contexto, entrada de texto + imagem + arquivo + áudio + vídeo, saída máxima de 64K, $0.75 / $3.75. A correspondência mais próxima do conjunto de entradas declarado do Crouton Alpha, e a razão pela qual ele sustenta os cálculos neste texto.

Quatro desses cinco estão no mesmo preço de entrada, que é o outro motivo pelo qual a janela gratuita vale tão pouco em dinheiro: a inferência de contexto longo na ponta barata tornou-se uma commodity, e a decisão que realmente custa dinheiro é em qual deles padronizar. É para essa decisão que serve uma única chave de API — vários modelos nomeados por trás de um único endpoint, failover automático quando um provedor se degrada e uma DSL de roteamento para compô-los, de modo que testar um candidato e manter a produção em um modelo conhecido sejam a mesma integração, e não duas. Especificamente para as entradas de áudio e arquivo, o Gemini 3.8 Flash declara os mesmos cinco tipos de entrada no mesmo comprimento de contexto, o que o torna o ponto de comparação honesto para qualquer coisa que o Crouton Alpha venha a lançar.

O que transformaria isto em uma história de lançamento?

Quatro coisas, em ordem aproximada de quanto resolveriam.

Um laboratório alegando isso. Foi assim que o Ox Alpha terminou: a Z.ai publicou os pesos, a contagem de parâmetros e a licença, e o mistério deixou de ser mistério. Os pesos seriam o segundo — um lançamento aberto permitiria a qualquer pessoa verificar o comprimento de contexto e as alegações de modalidade em uma tarde, e diria se a janela de 1M é nativa ou emendada. Uma impressão digital do tokenizador viria antes de qualquer um dos dois, já que esse é o método que funcionou duas vezes até agora e não precisa de cooperação do provedor. E um benchmark independente, executado em um harness conhecido e publicado com o conjunto de tarefas, seria a primeira evidência sobre a qualidade que este modelo já teve.

Até que um desses se concretize, o Crouton Alpha é uma especificação com uma cláusula de retenção atrelada, e a quantidade correta de confiança a se depositar nela é a mesma que você depositaria em um anúncio.

Se você tem um trabalho volumoso, repetitivo e de baixa sensibilidade — processar uma prateleira de documentos públicos, classificar um corpus que você não se importaria de ver publicado —, uma semana grátis em um endpoint de 1 milhão de tokens é uma forma barata de descobrir se contexto longo ajuda sua tarefa de alguma forma, e a resposta continua útil qualquer que seja o modelo que acabe estando por trás. Se os prompts forem o ativo, não há nada aqui que valha a troca: a economia é de quatro centavos por tarefa, e o que você estaria entregando é o motivo pelo qual a tarefa vale a pena ser executada.

A distinção que o cartão está traçando é o artigo inteiro em uma linha: cada número na coluna da esquerda é uma declaração de um provedor que não se identificou, e todas as seis células da coluna da direita, a que traria a verificação, são lidas como ausências.

A comparação que está realmente disponível

Como não é possível avaliar o objeto por benchmark, a comparação útil é estrutural, e não numérica: o que um modelo nomeado com o mesmo comprimento de contexto oferece que este não oferece, e onde a janela gratuita realmente se destaca.

GLM-5.3-Flash é a coisa mais próxima de um grupo de controle: o modelo que a última prévia anônima de programação com contexto de 1M acabou sendo, agora com um fornecedor, um preço, pesos publicados e dez semanas de exposição pública por trás dele. Se o Crouton Alpha é uma prévia de algo dessa família — e ainda não há evidências em nenhuma direção —, então a semana gratuita é uma olhada em um modelo que você poderá alugar por quinze centavos por milhão de tokens depois, o que torna o teste barato e a decisão de troca fácil.

Faça as contas uma vez e a natureza da decisão deixa de ser uma questão de dinheiro. Uma semana de chamadas ilimitadas em um modelo de 1 milhão de tokens vale de centavos a alguns dólares para quase qualquer pessoa; o motivo para usá-lo é informação, e o motivo para ter cuidado com ele é que os prompts que você gasta para obter essa informação valem consideravelmente mais do que os tokens que você economiza.