Crouton Alpha: En gratis modell med 1 miljon tokens som ingen vill sätta namn på

Det handlar om små pengar. Ta en uppgift för en kodningsagent som läser 200 000 token ur ett kodförråd och skriver tillbaka 20 000 token: fyra cent på GLM-5.3-Flash, tjugotre cent på Gemini 3.8 Flash. Fyll hela fönstret på 1 048 576 token med en enda prompt, och enbart indatan kostar sexton cent, eller sjuttionio enligt Geminis taxa. Det är kontantvärdet av Crouton Alpha, gratis att anropa sedan det dök upp den 3 november 2026 kl. 01:38 UTC, och det är inte det intressanta.

Det intressanta är att Crouton Alpha är en förhandsvisning av något som inte har något namn. Leverantörsfältet i dess listning anger "Stealth"; beskrivningen säger att det utvecklats och drivits av en tredje part "som har valt att vara anonym under denna förhandsvisning"; routingplattformen är uttryckligen inte dess utvecklare, ägare eller leverantör. Det finns inget modellkort, inga vikter, ingen prissättning utöver noll, inget benchmark och inget labb som gör anspråk på det. Det som finns är en specifikation: 1 048 576 tokens kontext, text-, bild-, video-, fil- och ljudinmatning, obligatoriskt resonemang och en dataklausul som spelar mycket större roll än själva kontextsiffran. Detta är vad som är känt, vad som går att kontrollera och vad ett team bör väga in innan man riktar en agent mot det.

Vad annonsen faktiskt anger

Allt nedan kommer från förhandsvisningens eget protokoll från den 4 november 2026 – en dag efter att den publicerades. Inget av det har mätts oberoende, och specifikationen är leverantörens påstående om en leverantör som inte vill säga vem den är.

• Identitet — Crouton Alpha, listad 3 november 2026 kl. 01:38 UTC. Leverantörsnamn "Stealth". Utvecklare: ej namngiven.

• Kontext — 1 048 576 token indata. Maximal utdata 943 718 token, vilket är exakt 90 % av fönstret, vilket tyder på en härledd standard snarare än en uppmätt gräns.

• Modaliteter – text, bild, video, fil och ljud in; text ut. Ljud och godtycklig filinmatning är det ovanliga; de flesta kodningsmodeller med 1M-kontext begränsar sig till text och bild.

• {{1}}Pris{{/1}} — $0 in, $0 ut. Posten har inget utgångsdatum, så {{2}}förhandsvisningens slut publiceras inte någonstans{{/2}}.

• Resonemang — obligatoriskt, med insatsnivåer från minimal till max och standard på max. Det går inte att stänga av.

• Verktyg – endast tool_choice "auto"; strukturerade utdata och response_format stöds tillsammans med temperature och top_p.

• Bevis — ingen benchmark-tabell, inget modellkort, ingen genomströmnings- eller latenssiffra, tokenizer registrerad som "Other", kvantisering "unknown".

• Tillhandahållande — en leverantör, ingen sekundär slutpunkt, 100 % drifttid under de senaste 30 minuterna, 5 minuterna och dygnet.

Beskrivningen framställer den som "en lättviktsmodell byggd för skalbar kodning, agentiska och multimodala arbetsflöden", för "agentiska deluppgifter, verktygsanvändning och dokumentanalys i repetitivt arbete med hög volym". Det är en beskrivning av vad modellen är till för, skriven för att läsas av människor som kommer att skicka tusentals små anrop genom den. Den säger ingenting om hur bra den är på något av detta, och en dag in i förhandsvisningen har ingen utanför leverantörens väggar publicerat en siffra.

Klausulen som betyder mer än kontextfönstret

Stealth-listningar har en standardiserad upplysning, och Crouton Alphas är den som är värd att läsa två gånger: prompter och slutföranden kan behållas av leverantören men används inte för träning, och "all annan användning" regleras av förhandsversionens stealth-villkor. Båda delarna av den meningen gör jobbet. "Används inte för träning" är ett löfte om en specifik nedströmsanvändning. "Kan behållas" är tillstånd för alla andra användningar, beviljat av en part du inte kan identifiera och inte kan granska, enligt villkor skrivna för en förhandsversion snarare än en produkt.

Ställ det mot vad modellen är byggd för. En kodmodell med 1M tokens kontext och inmatning av ljud och filer är en modell som man matar med ett kodförråd, ett designdokument, en samtalsinspelning, en PDF med avtal. Det är precis det material som en organisation är minst villig att lämna över till en icke namngiven tredje part under obestämd tid, och gratisperioden är precis den situation där människor är som minst försiktiga. I förteckningen anges också EU-intern routning som otillgänglig, så det finns inget alternativ för att låsa bearbetningen till en europeisk region under testning.

Fältet för kvantisering anger "unknown", vilket är en mindre poäng med samma form: du kan inte avgöra om modellen som svarar dig körs med full precision, vilket gör att varje intryck av hastighet eller kvalitet som du bildar dig under förhandsvisningen är ett uttalande om den här driftsättningen, inte om modellen. Om den senare släpps som öppna vikter kan dina mätningar inte överföras.

Resonemang är på, och det är som standard inställt på maximum

Två konfigurationsdetaljer ligger bakom det mesta av överraskningen, och båda är mekaniska snarare än spekulativa. Resonemang deklareras som obligatoriskt — ett agentramverk som förväntar sig att kunna stänga av tänkandet kan inte — och standardansträngningen är max, med minimal, låg, medium, hög och xhigh tillgängliga men inte förutsatta. En klient som inte skickar någon reasoning_effort får den dyraste inställningen som modellen erbjuder, på en modell vars hastighet ingen har mätt.

Det andra är verktyg. tool_choice accepterar "auto" och inget annat: none, required och function är alla otillgängliga. Ramverk som tvingar fram ett anrop med tool_choice:"required" – ett vanligt mönster när man vill ha ett garanterat strukturerat svar – får inte det beteende de efterfrågade. Structured outputs och response_format stöds, så kringgången finns, men det är en kringgång. I kombination med ett utdatatak på 943 718 token är det praktiska rådet oglamoröst: ange max_tokens uttryckligen, ange reasoning_effort uttryckligen och anta inte att en gratis endpoint är billig i väggklockstid.

Vem ligger bakom det, och vad de sista dropparna förutspår

Anonyma förhandsversioner får sin förklaring, och det senaste underlaget är tillräckligt konsekvent för att vara användbart. Ox Alpha dök upp den 20 augusti 2026 med samma form – gratis, 1M kontext, text och bild som indata, positionerad för kodning och agentiskt arbete – och den 26 augusti bekräftade Z.ai att det var GLM-5.3-Flash, Mixture-of-Experts-modellen med 320B totalt / 18B aktiva, som nu routas till $0,15 och $0,50 per miljon tokens. Communityt kom dit först, och inte genom att gissa: publicerade genomgångar rapporterar att man räknade prompttokens mot kontrollerade prober, räknade bort den dolda chattmallen genom differens och matchade ordförrådet mot GLM-5:s på 95 av 95 prober med ett medelabsolut fel på noll. Tokensiffror, inte vibbar.

Det avsnittet är också en varning om siffrorna som färdas under en förhandsvisning. En rubriksiffra cirkulerade för Ox Alpha som inte höll vid en faktisk körning; poängen som höll i sig efteråt var mycket mer ordinär. Smygfönster är där en imponerande siffra kan leva i en vecka utan något bakom sig, och avsaknaden av något benchmark för Crouton Alpha är, allt sammantaget, den mer ärliga konfigurationen – det finns ingen siffra att bli besviken på senare.

Specifikt för Crouton Alpha finns det per den 4 november inget att gå på utöver specifikationen. Inget tokenizer-fingeravtryck har publicerats, ingen jämförelse av felsträngar, inget beteendetest. Listningens tokenizer-fält anger "Other", så ordförrådet är inte förhandsmatchat mot en känd familj, och ljud- och filindata vidgar den yta ett fingeravtryck skulle behöva förklara. Den som på sociala medier hävdar att de vet vem som byggt den, efter en dag, gissar. Mönstret från Ox Alpha tyder på att svaret kommer inom en vecka och vanligtvis först efter att gratisperioden stängt, vilket är ett skäl att hålla koll snarare än att spekulera.

Hur man spenderar en ledig vecka utan att betala med något du skulle sakna

Det finns ett verkligt användningsområde för ett sådant här fritt fönster, och det är snävare än vad tillkännagivandet antyder.

• Anta att varje prompt är publicerad. Skriv testsetet som om du skulle lägga upp det i ett offentligt repo, eftersom klausulen tillåter lagring och villkoren täcker allt bortom träningen.

Håll det utanför produktionsvägen. En leverantör, ingen andra slutpunkt, inget publicerat utgångsdatum och en modell som kan dras tillbaka utan förvarning är inte ett beroende; det är ett experiment.

• Kör samma prompter mot en namngiven modell i samma session. Ett intryck av en modell utan baslinje är inget värt – det enda användbara resultatet från veckan är en diff, på dina egna uppgifter, mot något du kan prissätta och behålla.

• Lås de inställningar du bryr dig om. max_tokens och reasoning_effort vid varje anrop, strukturerade utdata i stället för påtvingade verktygsanrop, och logga förfrågans utformning tillsammans med resultatet så att jämförelsen blir rättvis.

• Logga felsätten. Hastighetsbegränsning, timeouts och trunkering är det som avgör om en modell är användbar i volym, och en gratis förhandsvisning är den billigaste platsen att upptäcka dem.

Om du vill att jobbet ska göras av en modell med ett namn på sig

OrcaRouter tillhandahåller inte Crouton Alpha, och inget här är en routningsrekommendation för den – modellen finns bara i den förhandsversionen. Katalogen är där samma jobb utförs av något med en publicerad leverantör, ett pris och en andra slutpunkt bakom sig. Priserna nedan är från OrcaRouter-katalogen den 4 november 2026 och återges till leverantörens listpris utan påslag.

GLM-5.3-Flash — 1M kontext, text + bild + video som indata, max 128K utdata, $0,15 in / $0,50 ut per miljon. Det var modellen som Ox Alpha visade sig vara.

• DeepSeek V4.1 Flash — 1M kontext, text + bild som indata, max 384K utdata, $0.15 / $0.60.

• Qwen3.8 Flash — 1M kontext, text + bild + video som indata, 131K max utdata, $0.15 / $0.47.

• MiniMax M3.1 Flash — 1M kontext, text + bild + video som indata, 524K max utdata, $0.15 / $0.60.

• Gemini 3.8 Flash – 1M kontext, text + bild + fil + ljud + video som indata, max 64K utdata, $0,75 / $3,75. Den närmaste matchningen till Crouton Alpha:s deklarerade indatauppsättning, och anledningen till att den får göra räkningen i den här artikeln.

Fyra av dessa fem ligger på samma indatapris, vilket är den andra anledningen till att det fria fönstret är värt så lite i kontanter: långkontextinferens i den billiga änden har blivit en handelsvara, och beslutet som faktiskt kostar pengar är vilken man standardiserar på. Det är det beslutet en enda API-nyckel är till för — flera namngivna modeller bakom en enda slutpunkt, automatisk failover när en leverantör försämras, och ett routing-DSL för att komponera dem, så att testa en kandidat och hålla produktionen på en känd modell är samma integration snarare än två. Specifikt för ljud- och filindata deklarerar Gemini 3.8 Flash samma fem indatatyper vid samma kontextlängd, vilket gör den till den ärliga jämförelsepunkten för allt som Crouton Alpha så småningom levererar som.

Vad skulle förvandla det här till en lanseringsstory

Fyra saker, i ungefärlig ordning efter hur mycket de skulle avgöra.

Ett labb som hävdar det. Så slutade Ox Alpha: Z.ai publicerade vikterna, parameterantalet och licensen, och mysteriet upphörde att vara ett mysterium. Vikterna skulle bli det andra – en öppen release skulle låta vem som helst verifiera kontextlängden och modalitetspåståendena på en eftermiddag, och skulle berätta för dig om 1M-fönstret är inbyggt eller ihopfogat. Ett tokenizer-fingeravtryck skulle komma före båda, eftersom det är metoden som har fungerat två gånger nu och den behöver inget samarbete från leverantören. Och ett oberoende benchmark, kört på en känd harness och publicerat med uppgiftsseten, skulle vara det första beviset på kvalitet som den här modellen har haft.

Tills en av dem landar är Crouton Alpha en specifikation med en retentionsklausul bifogad, och den korrekta mängden tilltro att fästa vid den är den mängd du skulle fästa vid en listning.

Om du har ett stort, repetitivt jobb med låg känslighet – parsa en hylla med offentliga dokument, klassificera ett korpus som du inte har något emot att se publicerat – är en gratis vecka på en 1M-token-slutpunkt ett billigt sätt att ta reda på om lång kontext överhuvudtaget hjälper din uppgift, och svaret förblir användbart oavsett vilken modell som till slut visar sig ligga bakom. Om prompterna är själva tillgången, finns det inget här som är värt bytet: besparingen är fyra cent per uppgift, och det du skulle lämna över är anledningen till att uppgiften är värd att köra.

Den åtskillnad som kortet gör sammanfattar hela artikeln på en rad: varje siffra i vänsterkolumnen är en deklaration från en leverantör som inte har identifierat sig, och alla sex celler i högerkolumnen – den som skulle stå för verifieringen – läses som frånvaro.

Jämförelsen som faktiskt är tillgänglig

Eftersom subjektet inte kan benchmarkas är den användbara jämförelsen strukturell snarare än numerisk: vad en namngiven modell vid samma kontextlängd ger dig som den här inte gör, och var det fria fönstret verkligen vinner.

GLM-5.3-Flash är det närmaste man kommer en kontrollgrupp: modellen som den senaste anonyma kodförhandsvisningen med 1M-kontext visade sig vara, nu med en leverantör, ett pris, publicerade vikter och tio veckor offentligt bakom sig. Om Crouton Alpha är en förhandsvisning av något i den familjen – och det finns ännu inga bevis åt något håll – så är den kostnadsfria veckan en titt på en modell som du därefter kommer att kunna hyra för femton cent per miljon tokens, vilket gör testet billigt och beslutet att byta enkelt.

Räkna på det en gång, och beslutet handlar inte längre om pengar. En vecka med obegränsade anrop på en modell med 1 miljon tokens är värd allt från cent till några dollar för nästan alla; anledningen att använda den är information, och anledningen att vara försiktig med den är att de prompter du spenderar för att få den informationen är värda betydligt mer än de tokens du sparar.