Nous utilisons des cookies. Les cookies et le stockage du navigateur vous gardent connecté et mémorisent vos préférences. Avec votre accord, nous mesurons aussi l’utilisation du site. Vous pouvez à tout moment. Consultez notre politique relative aux cookies.
stealth/crouton-alphaUtilise votre solde aux prix indiqués ci-dessus. Les nouveaux comptes démarrent avec une consommation gratuite.
Paramètres
Crouton Alpha est un modèle de texte de Stealth, listé sur api14 sous l'identifiant de modèle stealth/crouton-alpha. Stealth le décrit comme un modèle léger conçu pour des flux de travail scalables de codage, agentiques et multimodaux, destiné à un travail répété à haut volume tel que les sous-tâches agentiques, l'utilisation d'outils et l'analyse de documents. Il appartient à la catégorie texte et est positionné pour les charges de travail où le même type de requête s'exécute de nombreuses fois plutôt que pour des sessions de raisonnement approfondi ponctuelles.
Le modèle accepte des entrées texte, image, vidéo, fichier et audio, et renvoie du texte. Sa fenêtre de contexte est de 1 048 576 tokens, avec une sortie maximale de 943 718 tokens. Cette combinaison d'un très grand contexte et d'un large budget de sortie signifie que vous pouvez fournir de longs documents ou des médias mixtes accompagnés d'instructions tout en laissant de la place pour une réponse générée substantielle. Les paramètres de requête pris en charge incluent temperature, top_p, max_tokens, response_format, structured_outputs, tools, tool_choice, reasoning, reasoning_effort et include_reasoning, ce qui vous permet de contrôler l'échantillonnage, de contraindre la forme de la sortie, d'exposer le raisonnement et de piloter l'appel de fonctions depuis le même appel.
Ces capacités indiquent quelques schémas pratiques. Les pipelines agentiques conviennent bien : donnez au modèle des outils et un tool_choice, et laissez-le planifier et exécuter des sous-tâches sur de nombreuses étapes. L'analyse de documents est un autre usage naturel, puisque de longs fichiers, des images et de l'audio peuvent être fournis en entrée et que la réponse revient sous forme de texte. L'assistance au codage et la revue de code sur de grands dépôts ou de longues transcriptions découlent également de la taille du contexte. Comme il traite la vidéo et l'audio en entrée, vous pouvez construire des flux de transcription plus analyse ou de revue de médias sans modèle de prétraitement séparé pour chaque étape. Les sorties structurées et response_format le rendent adapté aux tâches d'extraction où les systèmes en aval ont besoin d'un JSON prévisible plutôt que de texte libre.
L'appeler via api14 fonctionne de la même manière que n'importe quel autre point de terminaison compatible OpenAI. Pointez votre client vers l'URL de base d'api14, envoyez une requête chat completions, et définissez le champ model sur stealth/crouton-alpha. Les paramètres listés ci-dessus sont acceptés dans le corps de la requête, donc le code existant du SDK OpenAI n'a besoin de guère plus qu'un changement d'URL de base et le remplacement de l'identifiant de modèle. Si vous utilisez déjà des outils ou des sorties structurées ailleurs, les mêmes formes de requête s'appliquent.
Un point à peser est le plafond de sortie. La sortie maximale est de 943 718 tokens, ce qui est généreux mais reste inférieur à la longueur totale du contexte, donc une requête qui remplit toute la fenêtre ne peut pas non plus produire une réponse de longueur maximale. Pour les charges de travail purement textuelles qui n'ont pas besoin d'entrées image, vidéo, audio ou fichier, un modèle plus simple uniquement textuel peut être plus léger. Pour le travail agentique, de codage et de documents multimodaux à haut volume, Crouton Alpha est conçu exactement pour cette forme de tâche.
Cette communauté n’a encore aucun sujet. Ouvrez le premier sur Crouton Alpha.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "stealth/crouton-alpha",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
include_reasoningmax_tokensreasoningreasoning_effortresponse_formatstructured_outputstemperaturetool_choicetoolstop_p