Crouton Alpha API
Crouton Alpha 是 Meta 推出的轻量推理模型,支持超百万 token 上下文与多模态输入,专为编码、工具调用和子代理任务设计。
Crouton Alpha 是一个轻量级推理模型,于 2026 年 11 月 3 日发布,后确认为 Meta 的 Muse Ember 早期版本。它支持文本、图像、PDF、音频和视频输入,输出仅限文本。上下文窗口超过一百万 token,输出上限为 943,718 token(含推理内容)。推理功能常开且无法关闭,推理强度默认最高,也可调整为 xhigh、high、medium、low 或 minimal。
该模型专为可扩展编码、代理工作流和多模态任务打造。它适合执行由更强前沿模型规划的小型明确步骤,例如重复的代理子任务、工具调用、编码步骤和文档分析。它支持工具调用和结构化输出,但工具选择只能设为 auto,无法强制指定某个工具。它兼容 chat completions、completions、messages 和 responses 四种 API 格式。
在测试中,Crouton Alpha 在 2026 年 11 月 4 日的对比测试里通过全部 9 项编码、工具和日志任务,中位编码时间仅 3.8 秒。它能识别密集技术海报中的单位错误和数值不一致,也能根据手绘草图生成可运行的动画 HTML 页面。不过,它不适合前沿规划或复杂推理,游戏和 3D 场景的视觉打磨较差,多语言输出质量在低资源语言上会下降。
更新时间:
模型 ID
crouton-alpha- 上下文
- 1.049M
- 最大输出
- 943.718K
- 推荐 API
- messages
- 输入
- text / image / video / file / audio
- 输出
- text
核心要点
- 超百万 token 上下文窗口
- 推理常开,强度可调
- 支持图像、视频、PDF 等多模态输入
- 中位编码时间 3.8 秒
- 工具调用与结构化输出
- 适合作为子代理执行规划步骤
供应商
比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。
| 可用率 | |
|---|---|
历史统计不等于实时健康检查,缺失数据不代表服务中断。
基准测试
- 140/157
Cold Iron(SMF Works)
通过测试;89.2%;26 个模型中排名第 10
- 30/30
Cold Iron 编码测试
通过测试
- 2/2
Cold Iron 工具调用测试
通过测试
- 29/30
Cold Iron 指令测试
通过测试
- 3/5
Cold Iron 写作测试
通过测试
- 20/20
MindStudio 单元测试
在三个编码任务中通过测试
- 9/9
2026 年 11 月 4 日对比测试
编码、工具和日志任务全部通过
- 3.8
中位编码时间
秒;GLM 5.3 Flash 为 32.6 秒,MiniMax M3.1 Flash 为 4.7 秒
分数来自模型厂商公布的数据,未独立验证。
推理能力
- 默认推理强度
- max
- 始终启用
- 是
- 可选推理强度
- max / xhigh / high / medium / low / minimal
填入 API key
从 Felo API Platform 账户创建 key,并设置为环境变量。
export FELO_API_KEY="YOUR_API_KEY"发起第一次请求
使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。
crouton-alpha该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "crouton-alpha",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
启用流式输出
加入 stream: true,即可以 server-sent events 接收响应。
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "crouton-alpha",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringcrouton-alphaPublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.toolsarray—Tool calling definitions following compatible schema.top_p———reasoning———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.response_formatobject—Request structured output when supported.reasoning_effort———include_reasoning———structured_outputs———常见问题
什么是 Crouton Alpha?
Crouton Alpha 是一个轻量级推理模型,于 2026 年 11 月 3 日发布,后确认为 Meta 的 Muse Ember 早期版本。它支持文本、图像、PDF、音频和视频输入,输出仅限文本。上下文窗口超过一百万 token,输出上限为 943,718 token(含推理内容)。推理功能常开且无法关闭,推理强度默认最高,也可调整为 xhigh、high、medium、low 或 minimal。 该模型专为可扩展编码、代理工作流和多模态任务打造。它适合执行由更强前沿模型规划的小型明确步骤,例如重复的代理子任务、工具调用、编码步骤和文档分析。它支持工具调用和结构化输出,但工具选择只能设为 auto,无法强制指定某个工具。它兼容 chat completions、completions、messages 和 responses 四种 API 格式。 在测试中,Crouton Alpha 在 2026 年 11 月 4 日的对比测试里通过全部 9 项编码、工具和日志任务,中位编码时间仅 3.8 秒。它能识别密集技术海报中的单位错误和数值不一致,也能根据手绘草图生成可运行的动画 HTML 页面。不过,它不适合前沿规划或复杂推理,游戏和 3D 场景的视觉打磨较差,多语言输出质量在低资源语言上会下降。
如何计算调用费用?
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。
Crouton Alpha 支持哪些输入类型?
支持文本、图像、PDF 和文件、音频以及视频输入,输出为文本。部分测试中音频输入曾返回错误。
上下文窗口和输出长度是多少?
上下文窗口为 1,048,576 token,输出上限为 943,718 token(含推理内容)。
推理功能可以关闭吗?
推理始终开启且无法关闭。推理强度默认最高,可设为 xhigh、high、medium、low 或 minimal。
它适合哪些任务?
适合重复的代理子任务、工具调用、编码步骤、文档分析,以及执行由更强模型规划的小型明确步骤。也适合需要反复传入大文档或多任务规格的工作流。
它与同系列模型有什么区别?
Crouton Alpha 是 Muse Ember 的早期版本,定位为轻量级子代理模型,不适合前沿规划或复杂推理。它适合执行由更强模型拆解后的具体步骤。