Crouton Alpha: Một mô hình 1M token miễn phí mà chẳng ai chịu đặt tên

Chi phí thì nhỏ. Lấy một tác vụ coding-agent đọc 200.000 token từ kho mã nguồn và ghi lại 20.000 token: bốn xu với GLM-5.3-Flash, hai mươi ba xu với Gemini 3.8 Flash. Lấp đầy toàn bộ cửa sổ 1.048.576 token bằng một prompt và chỉ riêng đầu vào đã tốn mười sáu xu, hoặc bảy mươi chín xu theo mức giá của Gemini. Đó là giá trị tiền mặt của Crouton Alpha, được gọi miễn phí kể từ khi nó xuất hiện vào ngày 3 tháng 11 năm 2026 lúc 01:38 UTC, và đó không phải là phần thú vị.

Phần thú vị là Crouton Alpha là bản xem trước của một thứ không có tên gắn với nó. Trường nhà cung cấp trên trang niêm yết của nó ghi là “Stealth”; phần mô tả nói rằng nó được phát triển và vận hành bởi một bên thứ ba “đã chọn ẩn danh trong bản xem trước này”; nền tảng định tuyến được nêu rõ ràng không phải là nhà phát triển, chủ sở hữu hay nhà cung cấp của nó. Không có model card, không có trọng số, không có bảng giá nào ngoài mức 0, không có benchmark và không có phòng lab nào nhận là của mình. Cái hiện có là một bản đặc tả: 1.048.576 token ngữ cảnh, đầu vào văn bản, hình ảnh, video, tệp và âm thanh, suy luận bắt buộc, và một điều khoản dữ liệu quan trọng hơn nhiều so với con số ngữ cảnh. Đây là những gì đã biết, những gì có thể kiểm chứng, và những gì một nhóm nên cân nhắc trước khi hướng một agent vào nó.

Điều mà tin đăng thực sự khai báo

Toàn bộ nội dung dưới đây đến từ hồ sơ của chính bản xem trước vào ngày 4 tháng 11 năm 2026 — một ngày sau khi nó được đăng. Không có nội dung nào trong đó được đo đạc độc lập, và thông số kỹ thuật là lời khẳng định của nhà cung cấp về một nhà cung cấp không chịu tiết lộ danh tính.

• Danh tính — Crouton Alpha, được liệt kê ngày 3 tháng 11 năm 2026 lúc 01:38 UTC. Tên nhà cung cấp "Stealth". Nhà phát triển: không nêu tên.

• Ngữ cảnh — 1.048.576 token đầu vào. Đầu ra tối đa 943.718 token, đúng bằng 90% cửa sổ, cho thấy đây là một giá trị mặc định được suy ra chứ không phải giới hạn được đo đạc.

• Các phương thức — đầu vào gồm văn bản, hình ảnh, video, tệp và âm thanh; đầu ra là văn bản. Âm thanh và đầu vào tệp tùy ý là phần khác thường; hầu hết các mô hình lập trình ngữ cảnh 1M chỉ dừng ở văn bản và hình ảnh.

• Giá — $0 đầu vào, $0 đầu ra. Bản ghi không có ngày hết hạn, nên ngày kết thúc của bản xem trước không được công bố ở đâu cả.

• Suy luận — được quy định là bắt buộc, với các mức nỗ lực từ tối thiểu đến tối đa và mặc định là tối đa. Không thể tắt.

• Công cụ — chỉ tool_choice "auto"; structured outputs và response_format được hỗ trợ cùng với temperature và top_p.

• Bằng chứng — không có bảng đánh giá chuẩn, không có thẻ mô hình, không có số liệu thông lượng hay độ trễ, tokenizer được ghi là "Khác", lượng tử hóa "không rõ".

• Cung cấp dịch vụ — một nhà cung cấp, không có điểm cuối thứ hai, thời gian hoạt động 100% trong 30 phút, 5 phút và một ngày qua.

Phần mô tả định vị nó là “một mô hình nhẹ được xây dựng cho lập trình có thể mở rộng, quy trình agentic và đa phương thức”, dành cho “các tác vụ con agentic, sử dụng công cụ và phân tích tài liệu trong công việc khối lượng lớn, lặp lại”. Đó là mô tả cho biết mô hình dành choviệc gì, được viết để những người sẽ định tuyến hàng nghìn lệnh gọi nhỏ qua nó đọc. Nó không nói gì về mức độ tốt của mô hình ở bất kỳ điểm nào trong số đó, và một ngày sau khi bản xem trước bắt đầu, không ai bên ngoài bức tường của nhà cung cấp đã công bố một con số nào.

Điều khoản quan trọng hơn cửa sổ ngữ cảnh

Các danh mục ẩn mang một công bố tiêu chuẩn, và của Crouton Alpha là thứ đáng đọc hai lần: lời nhắc và phần hoàn thành có thể được nhà cung cấp lưu giữ nhưng không được dùng để huấn luyện, và "mọi mục đích sử dụng khác" chịu sự điều chỉnh của các điều khoản ẩn của bản xem trước. Cả hai vế của câu đó đều có sức nặng. "Không được dùng để huấn luyện" là một lời hứa về một mục đích sử dụng hạ nguồn cụ thể. "Có thể được lưu giữ" là sự cho phép cho mọi mục đích sử dụng khác, được cấp bởi một bên mà bạn không thể nhận diện và không thể kiểm toán, theo các điều khoản được viết cho một bản xem trước chứ không phải một sản phẩm.

Hãy đặt điều đó bên cạnh mục đích mà mô hình được xây dựng. Một mô hình lập trình với 1M token ngữ cảnh cùng đầu vào âm thanh và tệp là mô hình mà bạn nạp cho nó một kho mã nguồn, một tài liệu thiết kế, một bản ghi cuộc gọi, một tệp PDF hợp đồng. Đó chính xác là loại tài liệu mà một tổ chức ít sẵn lòng giao nhất cho một bên thứ ba không tên trong một khoảng thời gian không xác định, và cửa sổ miễn phí chính xác là tình huống mà người ta ít cẩn trọng nhất. Danh sách cũng đánh dấu định tuyến trong khu vực EU là không khả dụng, nên không có tùy chọn ghim xử lý vào một khu vực châu Âu trong khi thử nghiệm.

Trường lượng tử hóa hiển thị "unknown", đây là một điểm nhỏ hơn nhưng có cùng dạng: bạn không thể biết liệu mô hình đang trả lời bạn có đang chạy ở độ chính xác đầy đủ hay không, khiến mọi ấn tượng về tốc độ hay chất lượng mà bạn hình thành trong lúc xem trước trở thành nhận định về bản triển khai này, chứ không phải về mô hình. Nếu sau này nó được phát hành dưới dạng trọng số mở, các phép đo của bạn có thể không chuyển sang được.

Suy luận đang bật và mặc định ở mức tối đa

Hai chi tiết cấu hình sẽ gây ra phần lớn sự bất ngờ, và cả hai đều mang tính kỹ thuật thay vì phỏng đoán. Reasoning được khai báo là bắt buộc — một framework agent kỳ vọng có thể tắt tư duy thì không thể — và mức nỗ lực mặc định là max, với minimal, low, medium, high và xhigh có sẵn nhưng không được giả định. Một client không gửi reasoning_effort sẽ nhận được thiết lập đắt đỏ nhất mà model cung cấp, trên một model mà chưa ai đo được tốc độ.

Vấn đề còn lại là tools. tool_choice chỉ chấp nhận "auto" và không gì khác: none, required và function đều không khả dụng. Các framework ép gọi bằng tool_choice:"required" — một mẫu phổ biến khi bạn muốn có một câu trả lời có cấu trúc được đảm bảo — sẽ không nhận được hành vi mà chúng yêu cầu. Structured outputs và response_format được hỗ trợ, nên vẫn có giải pháp thay thế, nhưng đó là giải pháp thay thế. Kết hợp với mức trần đầu ra 943.718 token, lời khuyên thực tế khá tầm thường: đặt max_tokens một cách rõ ràng, đặt reasoning_effort một cách rõ ràng, và đừng cho rằng một endpoint miễn phí là một endpoint rẻ về thời gian thực tế.

Ai đứng sau chuyện này, và những đợt phát hành cuối cùng dự báo điều gì?

Các bản xem trước ẩn danh đã được xác định, và thành tích gần đây đủ nhất quán để có ích. Ox Alpha xuất hiện vào ngày 20 tháng 8 năm 2026 với cùng hình dạng — miễn phí, ngữ cảnh 1M, nhận văn bản và hình ảnh, được định vị cho công việc lập trình và tác tử — và vào ngày 26 tháng 8, Z.ai xác nhận nó là GLM-5.3-Flash, mô hình Mixture-of-Experts với tổng 320B / 18B hoạt động, hiện được định tuyến ở mức $0.15 và $0.50 mỗi triệu token. Cộng đồng đã tìm ra trước, và không phải bằng cách đoán: các bài viết đã công bố báo cáo việc đếm token lời nhắc so với các đầu dò có kiểm soát, triệt tiêu mẫu trò chuyện ẩn bằng cách lấy hiệu, và khớp từ vựng với GLM-5 trên 95/95 đầu dò với sai số tuyệt đối trung bình bằng không. Đếm token, không phải cảm tính.

Tập đó cũng là một lời cảnh báo về những con số lan truyền trong một bản xem trước. Một con số tiêu đề được lưu truyền cho Ox Alpha đã không trụ được qua một lần chạy thực tế; điểm số còn đứng vững sau đó thì bình thường hơn nhiều. Giai đoạn ẩn danh là nơi một con số ấn tượng có thể tồn tại cả tuần mà chẳng có gì đằng sau; và việc không có bất kỳ benchmark nào cho Crouton Alpha, xét tổng thể, là cấu hình trung thực hơn — không có con số nào để sau này phải thất vọng.

Cụ thể với Crouton Alpha, tính đến ngày 4 tháng 11, không có gì để dựa vào ngoài bản đặc tả. Không có dấu vân tay tokenizer nào được công bố, không có so sánh chuỗi lỗi, không có kiểm thử hành vi. Trường tokenizer trong danh mục ghi "Other", nên từ vựng không được khớp trước với một họ đã biết, và các đầu vào âm thanh cùng tệp mở rộng bề mặt mà một dấu vân tay sẽ phải giải thích. Bất kỳ ai tuyên bố trên mạng xã hội rằng biết ai đã xây dựng nó, chỉ sau một ngày, đều đang đoán. Mô hình từ Ox Alpha cho thấy câu trả lời sẽ xuất hiện trong vòng một tuần và thường chỉ sau khi giai đoạn miễn phí kết thúc, đó là lý do để theo dõi thay vì suy đoán.

Làm thế nào để tận hưởng một tuần rảnh rỗi mà không phải đánh đổi bằng điều gì đó mà bạn sẽ tiếc?

Một cửa sổ miễn phí như thế này thực sự có công dụng, và công dụng đó hẹp hơn những gì thông báo ngụ ý.

• Hãy giả định rằng mọi prompt đều sẽ được công bố. Hãy viết bộ kiểm thử như thể bạn đang đăng nó lên một kho lưu trữ công khai, bởi vì điều khoản đó cho phép việc lưu giữ và các điều khoản bao quát mọi thứ vượt ra ngoài phạm vi huấn luyện.

• Hãy giữ nó ngoài luồng sản xuất. Một nhà cung cấp, không có endpoint thứ hai, không có ngày hết hạn được công bố, và một mô hình có thể bị rút lại mà không báo trước không phải là một phụ thuộc; đó là một thử nghiệm.

• Chạy cùng các lời nhắc với một mô hình được nêu tên trong cùng một phiên. Ấn tượng về một mô hình mà không có đường cơ sở thì không đáng gì — kết quả hữu ích duy nhất từ tuần này là một bản diff, trên chính các tác vụ của bạn, so với thứ bạn có thể định giá và giữ lại.

• Ghim những cài đặt bạn quan tâm. max_tokens và reasoning_effort trong mỗi lần gọi, structured outputs thay vì gọi công cụ theo kiểu ép buộc, và ghi log cấu trúc yêu cầu cùng với kết quả để việc so sánh được công bằng.

• Ghi lại các kiểu lỗi. Giới hạn tần suất, hết thời gian chờ và việc cắt ngắn là những yếu tố quyết định một mô hình có dùng được ở quy mô lớn hay không, và bản xem trước miễn phí là nơi rẻ nhất để phát hiện ra chúng.

Nếu bạn muốn công việc được hoàn thành bởi một mô hình có tên tuổi

OrcaRouter không cung cấp Crouton Alpha, và không có nội dung nào ở đây là khuyến nghị định tuyến cho mô hình đó — mô hình này chỉ tồn tại trong bản xem trước đó. Danh mục là nơi cùng một công việc được thực hiện bởi một giải pháp có nhà cung cấp được công bố, có giá và có một điểm cuối thứ hai phía sau. Giá bên dưới được lấy từ danh mục OrcaRouter vào ngày 4 tháng 11 năm 2026, được chuyển nguyên theo giá niêm yết của nhà cung cấp mà không cộng thêm phụ giá.

• GLM-5.3-Flash — ngữ cảnh 1M, đầu vào văn bản + hình ảnh + video, đầu ra tối đa 128K, 0,15 USD vào / 0,50 USD ra trên mỗi triệu. Hóa ra mô hình Ox Alpha chính là mô hình này.

• DeepSeek V4.1 Flash — ngữ cảnh 1M, đầu vào văn bản + hình ảnh, đầu ra tối đa 384K, $0.15 / $0.60.

• Qwen3.8 Flash — ngữ cảnh 1M, đầu vào văn bản + hình ảnh + video, đầu ra tối đa 131K, $0,15 / $0,47.

• MiniMax M3.1 Flash — ngữ cảnh 1M, nhận văn bản + hình ảnh + video, đầu ra tối đa 524K, $0.15 / $0.60.

• Gemini 3.8 Flash — ngữ cảnh 1M, đầu vào văn bản + hình ảnh + tệp + âm thanh + video, đầu ra tối đa 64K, $0.75 / $3.75. Đây là lựa chọn gần nhất với bộ đầu vào đã công bố của Crouton Alpha, và là lý do nó đảm nhận phần tính toán trong bài này.

Bốn trong số năm cái đó có cùng mức giá đầu vào, và đây là lý do khác khiến cửa sổ miễn phí có giá trị tiền mặt rất thấp: suy luận ngữ cảnh dài ở phân khúc giá rẻ đã trở thành hàng hóa phổ thông, và quyết định thực sự tốn tiền là bạn chọn chuẩn hóa trên cái nào. Đó chính là quyết định mà một khóa API duy nhất hướng tới — nhiều mô hình có tên phía sau một endpoint, tự động chuyển đổi dự phòng khi một nhà cung cấp bị suy giảm, và một DSL định tuyến để kết hợp chúng, nhờ đó việc thử nghiệm một ứng viên và giữ môi trường sản xuất trên một mô hình đã biết là cùng một tích hợp thay vì hai. Cụ thể với đầu vào âm thanh và tệp, Gemini 3.8 Flash công bố cùng năm loại đầu vào ở cùng độ dài ngữ cảnh, khiến nó trở thành điểm so sánh trung thực cho bất cứ thứ gì Crouton Alpha cuối cùng phát hành với tư cách đó.

Điều gì sẽ biến đây thành một câu chuyện ra mắt?

Bốn điều, theo thứ tự tương đối về mức độ chúng sẽ giải quyết vấn đề.

Một phòng thí nghiệm tự nhận điều đó. Đó là cách Ox Alpha kết thúc: Z.ai đã công bố trọng số, số lượng tham số và giấy phép, và bí ẩn không còn là bí ẩn nữa. Trọng số sẽ là thứ thứ hai — một bản phát hành mở sẽ cho phép bất kỳ ai xác minh độ dài ngữ cảnh và các tuyên bố về phương thức trong một buổi chiều, và sẽ cho bạn biết cửa sổ 1M là gốc hay được ghép lại. Dấu vân tay tokenizer sẽ có trước cả hai, vì đó là phương pháp đã hiệu quả hai lần rồi và nó không cần sự hợp tác từ nhà cung cấp. Và một benchmark độc lập, chạy trên một harness đã biết và được công bố cùng bộ tác vụ, sẽ là bằng chứng đầu tiên về chất lượng mà mô hình này có được.

Cho đến khi một trong những điều đó thành hiện thực, Crouton Alpha chỉ là một bản đặc tả gắn kèm một điều khoản lưu giữ, và mức độ tin cậy đúng đắn dành cho nó đúng bằng mức bạn dành cho một bản niêm yết.

Nếu bạn có một công việc khối lượng lớn, lặp đi lặp lại, độ nhạy cảm thấp — phân tích một kệ tài liệu công khai, phân loại một kho ngữ liệu mà bạn không ngại bị công bố — thì một tuần miễn phí trên endpoint 1M-token là cách rẻ để biết liệu ngữ cảnh dài có giúp ích gì cho tác vụ của bạn hay không, và câu trả lời vẫn hữu ích bất kể cuối cùng mô hình nào nằm bên dưới. Nếu các prompt là tài sản, thì ở đây chẳng có gì đáng để đánh đổi: khoản tiết kiệm là bốn xu một tác vụ, và thứ bạn sẽ trao đi chính là lý do khiến tác vụ đó đáng để chạy.

Sự phân biệt mà tấm thẻ đang vẽ ra chính là toàn bộ bài viết gói trong một dòng: mọi con số ở cột trái đều là lời khai của một nhà cung cấp chưa tự nhận diện mình, và cả sáu ô của cột phải, cột lẽ ra phải mang thông tin xác minh, đều được đọc là những khoảng vắng.

So sánh thực sự có sẵn

Vì không thể đánh giá chuẩn đối tượng này, nên so sánh hữu ích là so sánh về cấu trúc chứ không phải về số liệu: một mô hình được nêu tên ở cùng độ dài ngữ cảnh mang lại cho bạn những gì mà mô hình này không có, và cửa sổ miễn phí thực sự chiếm ưu thế ở đâu.

GLM-5.3-Flash là thứ gần nhất với một nhóm đối chứng: mô hình mà bản xem trước lập trình ngữ cảnh 1M ẩn danh lần trước hóa ra chính là nó, giờ đã có nhà cung cấp, có giá, trọng số được công bố và đã ra mắt công khai được mười tuần. Nếu Crouton Alpha là bản xem trước của một thứ gì đó thuộc họ này — và hiện chưa có bằng chứng theo hướng nào — thì tuần miễn phí là dịp nhìn qua một mô hình mà sau đó bạn sẽ có thể thuê với giá mười lăm xu mỗi triệu token, khiến bài kiểm tra trở nên rẻ và quyết định chuyển đổi trở nên dễ dàng.

Chỉ cần tính toán một lần, hình hài của quyết định không còn xoay quanh tiền bạc nữa. Một tuần gọi không giới hạn trên một mô hình 1M token chỉ đáng vài xu đến vài đô-la với gần như bất kỳ ai; lý do để dùng nó là thông tin, và lý do phải cẩn trọng với nó là những prompt bạn bỏ ra để có được thông tin đó đáng giá hơn đáng kể so với số token bạn tiết kiệm được.