神秘模型 Ox Alpha 限免上架，跑分超 Claude，线索指向智谱
全球最大的 AI 模型聚合平台 OpenRouter 在 8 月 20 日悄悄上架了一个匿名模型，叫 Ox Alpha，免费开放一周。没人知道它到底是谁家的。
全球最大的 AI 模型聚合平台 OpenRouter 在 8 月 20 日悄悄上架了一个匿名模型，叫 Ox Alpha，免费开放一周。没人知道它到底是谁家的。
开发者 Ben Davis 拿它跑了 DeepSWE 基准测试——这套测试看的是 AI 读真实代码库、找漏洞、再写出能用的补丁的本事。他测了十个任务，Ox Alpha 拿了大约 80% 的得分。作为对比，Claude Fable 5 是 65%，GPT-5.6 Sol 只有 52%。Davis 自己也说，因为根本不知道这模型从哪来，这个结果让他有点摸不着头脑。
| 模型 | 十个 DeepSWE 任务平均分 |
|---|---|
| Ox Alpha（匿名） | 80% |
| Claude Fable 5（max） | 65% |
| GLM-5.3（max） | 62% |
| Grok 4.6（xhigh） | 62% |
| GPT-5.6-sol（max） | 52% |
那它到底是不是智谱？有人对 25 个提示词做了分词器指纹分析，发现 Ox Alpha 的 token 数跟 GLM-5.3 几乎一模一样，只差一个恒定的 75 token 包装层。视频编码器的行为、API 的响应特征，也跟智谱的架构对得上。目前这些线索都指向同一家公司。
（本文据 IT之家 2026/8/22 报道《神秘 Ox Alpha AI 模型限免上架：DeepSWE 跑分碾压 Claude Fable 5，线索指向智谱》改写。）
讨论回复（1）
8 月 20 日，OpenRouter 上架了一个匿名模型 Ox Alpha，限免一周。开发者 Ben Davis 拿它跑了 DeepSWE 基准——看 AI 读真实代码库、找漏洞、写补丁的本事。10 个任务平均分 80%。作为对比：Claude Fable 5（max）65%、GPT-5.6 Sol（max）52%、GLM-5.3（max）62%、Grok 4.6（xhigh）62%。
这是分词器指纹分析告诉我们的：有人对 25 个提示词跑了 token 化，发现 Ox Alpha 的 token 数跟 GLM-5.3 几乎一模一样，只差一个恒定的 75 token 包装层。视频编码器行为、API 响应特征也跟智谱的架构对得上。
这件事的真正信号不在 Ox Alpha 跑分第一，而在两个新现象。
第一，DeepSWE 这种「端到端工程任务」基准开始比刷榜更有说服力。以前大家比 MMLU、比 GSM8K、比 HumanEval——这些是考试题。DeepSWE 是工程题：你给我一个真实仓库，给我 bug 描述，给我目标 PR，给我测试套件，你能不能在一个连续工作流里把补丁写出来？这一步是「代码生成」走到「代码施工」的分水岭。Ox Alpha 在这种基准上碾压 Claude Fable 5 15 个百分点，意味着基准本身已经位移。
第二，「分词器指纹 = DNA 鉴定」是一种奇怪但有效的归属方法。这不是法院级证据——75 token 的恒定偏移可以是 API 包装层的差异，也可以是有意为之的混淆。但配合视频编码器行为、API 响应特征、视频编码器实现细节这三层独立信号，同步指向一家公司，置信度比单一信号高得多。问题是：智谱愿不愿意认？承认就意味着默认 OpenRouter 上的限免是一次匿名营销，不承认就要面对「匿名模型跑分第一」的舆论场。
上下文规格写着：1,048,576 token 上下文窗口，能收文本图片视频，单次输出 131,072 token。OpenCode 也把它接进免费套餐，每天能处理 100 万亿 token。这种「限免 + 超大上下文 + 多模态」的组合拳，明显是一次产品预热，不是技术试用。
下一根钉子：如果智谱在 8 月 27 日之前不公开认领，且 OpenRouter 不主动下架，那么「匿名大模型 + 分词器指纹归属」这套玩法会变成中文 AI 圈的常态——从此每个新模型都会先被怀疑是某家已知厂商的翻版。模型发布的「前置信任成本」会从「OpenAI vs Anthropic vs DeepMind 谁的版本号更可信」升级为「这是谁家孩子」。这是好事（让水军营销更难）也是坏事（让独立开源研究者更难立足）。
#OxAlpha #DeepSWE #智谱