神秘“牛来大模型”Ox Alpha 火爆外网：实测超 Claude 与 GPT-5.6
8 月 20 日，AI 模型聚合平台 OpenRouter 悄然上线一款代号为 Ox Alpha 的匿名新模型。官方未披露开发方，仅将其描述为面向编码、长时间智能体任务和实际生产环境的前沿模型，免费调用期间已吸引大量开发者密集测试。
模型基本规格
公开参数并不多：
- 上下文窗口：约 104.8 万 token
- 最大输出长度：13.1 万 token
- 输入模态：文本、图像、视频
- 调用方式：预览期间免费
- 配套容量：开源终端编程智能体 OpenCode 同步接入，并为其准备每日 100 万亿 token 的调用容量
跑分表现
上线数小时后，多位开发者展开密集测试。独立研究员 Ben Davis 选取软件工程基准 DeepSWE 中的 10 个子任务，Ox Alpha 的通过率约 80%，高于 Claude Fable 5 的 65%、GLM-5.3 与 Grok 4.6 的 62%，以及 GPT-5.6 Sol 的 52%。这组结果来自个人测试，DeepSWE 官方排行榜尚未收录 Ox Alpha。
对于一款上线不到 12 小时的匿名模型，这样的数据足以引发集体好奇：Ox Alpha 到底是谁家的？
社区的四类猜测
讨论初期，社区的猜测主要集中在四个方向：
- 小米 MiMo：8 月 18 日小米 CFO 林世伟透露新一代 MiMo 正在训练，且小米今年 3 月曾以 Hunter Alpha 的名字匿名上线 MiMo-V2-Pro。
- 智谱 AI：100 万 token 上下文、多模态输入和智能体定位，与智谱近来的模型路线接近；今年 2 月上线 OpenRouter 的 Pony Alpha 事后也被证实是 GLM-5。
- 腾讯混元：有 Reddit 用户直接猜测是“HY 4”，理由是能撑起如此大规模免费调用的厂商并不多。
- Google Gemini：百万上下文加原生视频输入的组合此前更常见于 Gemini 系列——但有测试者试图从 Ox Alpha 口中“套话”，问及身份时它自称为 Gemini；模型可能从训练数据、系统提示或对话上下文里生成看起来合理却完全失实的答案，同一个模型在不同问法下也常常反复横跳。
猜模型变成了一门技术
匿名可以隐藏品牌，却很难完全掩盖工程实现上的特征。社区判断模型身份的方式越来越技术化：
分词器指纹
每一款大语言模型处理输入时，都需先经过分词器把字符串切分成 token。不同厂商的词表和切分策略不同，面对同一段文本切出的 token 数也往往不同。一位分析者用 25 组不同提示词分别测试 Ox Alpha 和 GLM-5.3，发现两者的原始 token 数完全一致，只是 Ox Alpha 每次都会固定多出 75 个 token。
视觉编码器 token 预算
多模态模型处理视频输入时，会用一个视觉编码器把画面帧转化为 token，这一步消耗的 token 数由采样帧率、时长缩放系数、分辨率处理策略等多个独立设计决定。有人用四段参数固定的测试视频依次发送给 Ox Alpha 和各候选模型，结果显示 Ox Alpha 在四段视频上的视觉编码器净消耗与智谱的 GLM-5V-Turbo 完全一致，并同时匹配三个独立的编码器设计选择：帧率无关的采样、约每秒 147 token 的时长缩放、逐帧的分辨率缩放。
脏 token 碰撞
某些 token 由于在训练数据中出现频率低或分布异常，会成为模型的敏感点，不同模型家族的脏 token 分布也不相同。有测试者观察到，Ox Alpha 在同一批对抗字符串上的反应模式与 GLM-5.3 高度重合，与 Gemini、DeepSeek、Kimi 的匹配度仅为 18%~22%。
行为风格与执行节奏
Ox Alpha 在输出综合性回答时的 emoji 密度约为每千字符 1.3 个，与 GLM 系和 Qwen 系模型的典型风格（章节 emoji、红黄绿三色状态点、勾选列表）一致；Claude、GPT-5.6 和 Grok 在同类任务上的密度接近于零。DeepSWE 跑分也显示 Ox Alpha 平均每个任务执行 117 个智能体步骤，与 GLM-5.3 的排行榜数据（124 步）几乎一致，而 GPT-5.6 Sol 通常只用 61 步、Claude 系是 88~99 步。
排除法
小米 MiMo V2.5 的标志性能力是原生音频输入，反观 Ox Alpha 在音频请求上的拒绝方式与 GLM-5V 完全一致；DeepSeek 通常不绕弯子、直接开源权重；通义 Qwen 3.8 刚刚公开发布，编码器签名对不上；xAI、OpenAI、Anthropic、Gemini 等在分词器、风格、编码器等特征上也都不匹配。
综合以上证据，Ben Davis 推测 Ox Alpha 有约 99% 的概率属于智谱 GLM-5.x 系列，具体可能是多模态旗舰 GLM-5.3V（视觉版）或下一代 GLM-5.5；另一份独立分析给出的置信度约为 90%。
匿名通道：中国模型的出海标配？
Ox Alpha 是 OpenRouter 上线的第五款“Stealth Model”。此前几款最终公开身份的 OpenRouter 匿名模型，背后都来自中国团队：
- Pony Alpha：今年 2 月上线，首日调用量达 400 亿 token，5 天后确认为智谱 GLM-5。
- Hunter Alpha：3 月 11 日上线，具备万亿参数级规模和 100 万 token 上下文，一度被猜测为 DeepSeek V4，随后小米确认其为 MiMo-V2-Pro。
- Elephant Alpha：4 月上线，主打效率的文本模型，约两周后由蚂蚁集团旗下 Inclusion AI 公布身份。
- Owl Alpha：4 月底上线，主打智能体和工具调用能力，直到 6 月 30 日才正式确认来自美团，对应模型为 LongCat-2.0。
顺着这条线索再看 Ox Alpha：上次的马甲是“马”，这次是牛，无论从分类学还是“牛马”的隐喻来看都很合理。
为什么偏爱“假面舞会”？
匿名发布的好处首先是减少品牌本身对测试结果的影响——开发者不知道模型来自哪家公司，更容易直接根据实际表现作出判断。对于希望进入海外开发者市场的中国模型厂商来说，这种方式能降低新品发布时的品牌门槛，也更容易激发社区的测试和讨论。等到模型积累一定关注后再公布身份，相当于形成两轮传播：先讨论模型本身，再讨论背后的厂商。
匿名测试还有一个更实际的价值：获得真实使用环境下的反馈。开发者会把模型接入不同的编程工具、智能体框架和代码仓库，用它处理远比公开 benchmark 更复杂的任务——长上下文是否稳定、工具调用是否可靠、连续执行几十甚至上百步后还能不能保持目标，这些问题只有在大规模真实调用中才能暴露出来。OpenCode 此次宣称为 Ox Alpha 准备每日 100 万亿 token 的服务容量，也说明这轮测试规模并不小。
按照此前几款匿名模型的发布节奏，Ox Alpha 的免费测试可能在 8 月 27 日前后结束。现有技术分析普遍将它指向智谱 GLM 系列，更具体的猜测包括尚未发布的多模态旗舰模型，但在官方公布之前，这一判断仍只能算是推测。