Ox Alpha: Den anonyme AI-model med et kontekstvindue på 1 million tokens

Ox Alpha (stealth/ox-alpha) var en anonym ræsonneringsmodel, der dukkede op på OpenRouter den 20. august 2026. OpenRouter beskrev den som en model til effektiv kodning, langvarigt agentarbejde og produktionsbrug, men angav kun leverandøren som “Stealth”. Udvikleren havde valgt at forblive anonym under preview-perioden, og ingen virksomhed havde offentligt taget ejerskab over modellen ved rapporteringens skæringsdato den 21. august. 72141

Kombinationen af gratis adgang, multimodal input og et usædvanligt stort kontekstvindue gjorde hurtigt Ox Alpha til et oplagt testobjekt for udviklere. De første kodningsresultater var opsigtsvækkende, men de var også foreløbige. Det tilgængelige materiale peger derfor på en lovende preview – ikke på en dokumenteret samlet førerposition.

De offentliggjorte specifikationer

Modellen blev tilbudt uden beregning i en indledende preview, der skulle vare omkring en uge. Det oplyste kontekstvindue var 1.048.576 tokens, mens den maksimale outputlængde var 131.072 tokens. Ox Alpha kunne modtage tekst, billeder og video og var målrettet kodning samt længerevarende agent-workflows. 2122

Specifikation	Oplyst detalje
Model-ID	stealth/ox-alpha
Leverandør	Anonym “Stealth”-leverandør
Lancering	20. august 2026
Preview-pris	Gratis under preview-perioden
Kontekstvindue	1.048.576 tokens
Maksimal outputlængde	131.072 tokens
Inputtyper	Tekst, billeder og video
Tiltænkte anvendelser	Kodning, langvarigt agentarbejde og produktionsopgaver

Et kontekstvindue i den størrelse kan være nyttigt til kodning på tværs af et helt repository, lange dokumenter og agent-sessioner, hvor modellen skal holde mere arbejds materiale aktivt. Det beviser dog ikke i sig selv, at modellen kan ræsonnere pålideligt over alt, hvad der placeres i konteksten. Kapacitet og praktisk kvalitet er to forskellige mål.

Den tidlige DeepSWE-test var imponerende – men begrænset

Den test, der skabte mest opmærksomhed, var en uafhængig kørsel af 10 DeepSWE-opgaver. Her blev Ox Alpha rapporteret til cirka 80 procent, sammenlignet med 65 procent for Claude Fable 5 og 52 procent for GPT-5.6 Sol. 611

Resultaterne tyder på, at Ox Alpha klarede sig stærkt i den pågældende testopsætning – især på softwareopgaver, der involverede rigtige kodebaser og patches. De etablerer dog ikke en endelig rangliste af flere grunde:

• Testen dækkede kun 10 opgaver fra den bredere benchmark.
• Det var en uafhængig evaluering og ikke en officiel modelindsendelse.
• Resultaterne var ikke verificeret på DeepSWE’s officielle rangliste.
• Små stikprøver kan påvirkes af opgavevalg, prompts, modelindstillinger og vurderingen af næsten korrekte svar.

Rapporteringen understregede, at Ox Alpha endnu ikke var optaget på den officielle DeepSWE-rangliste. 12 Den mest rimelige konklusion er derfor, at modellen viste et stærkt tidligt signal – ikke at den endeligt havde overgået alle sammenlignelige modeller inden for kodning.

OpenCode og OpenRouter beskrev ikke privatliv på helt samme måde

Ox Alpha blev også distribueret gennem OpenCode. OpenCodes preview-kommunikation lovede nul datalagring og oplyste, at leverandøren ikke ville bruge kundedata til træning. 4549

OpenRouters modelopslag brugte en anden formulering: Prompts og svar blev ifølge opslaget gemt af leverandøren, men ikke brugt til træning. 4354 De to udsagn bør ikke behandles som synonymer. “Bruges ikke til træning” betyder ikke nødvendigvis “gemmes ikke”, mens “nul datalagring” er en stærkere påstand om opbevaring.

For udviklere er den praktiske tommelfingerregel enkel: Adgangsvejen er en del af privatlivsvurderingen. En politik, der gælder for OpenCode, bør ikke automatisk antages at gælde, hvis den samme model tilgås gennem OpenRouter eller en anden mellemmand. Indtil den anonyme operatør, opbevaringsvilkårene og betingelserne efter preview-perioden er tydeligere, bør følsom kildekode, adgangsnøgler, fortrolige dokumenter og andre hemmeligheder holdes ude af testprompts. 3248

Hvorfor mistænkte forskere Zhipu AI eller Z.ai?

Folk i AI-miljøet forsøgte at identificere Ox Alpha gennem adfærdsmæssige og tekniske “fingeraftryk”. Rapporter pegede blandt andet på ligheder i tokenizer-adfærd, tokenoptælling, videoencoderens opførsel, svarstil og forskellige mønstre i håndteringen af input. Flere analyser koblede sporene til Zhipu AI – også kendt som Z.ai – og virksomhedens GLM-familie. Spekulationerne fokuserede især på en endnu ikke lanceret multimodal GLM-5.x-variant. 1425

Det var den førende teori om modellens oprindelse, men den var stadig baseret på indirekte beviser. Andre rapporter bemærkede, at den tilsyneladende serveringskapacitet ikke passede helt problemfrit med teorien, og Zhipu AI havde ikke officielt bekræftet, at virksomheden havde udviklet eller drevet Ox Alpha. 14

Forskellen er vigtig: Et teknisk fingeraftryk kan pege på fælles komponenter, en beslægtet modelserie eller en fælles serveringsopsætning. Det er ikke det samme som en officiel udmelding fra leverandøren. Påstande om næsten sikre sandsynligheder for en bestemt GLM-version gik længere, end det uafhængigt dokumenterede materiale kunne bære.

Xiaomi og MiMo var en alternativ teori

Nogle i fællesskabet foreslog Xiaomis MiMo-familie som en mulig kilde. Teorien var på et overordnet plan plausibel, fordi MiMo også forbindes med multimodale modeller og kodningsorienteret udvikling, men det fremlagte materiale dokumenterede ikke forbindelsen. 1

Ved den angivne skæringsdato var den mest præcise formulering derfor: Zhipu AI/Z.ais GLM-familie var den førende hypotese, Xiaomis MiMo var en alternativ teori, og den faktiske udvikler var ukendt.

Et lanceringstrick, man har set før

Ox Alphas udgivelse mindede også om tidligere anonyme modeltests, der i offentlig debat blev sat i forbindelse med kinesiske AI-laboratorier. En ofte nævnt sammenligning var Pony Alpha, en tidligere anonym model, som efterfølgende blev koblet til Zhipus GLM-5, før modellens offentlige identitet blev kendt. 1454

Ligheden ligger især i lanceringens form: En model med høj kapacitet dukker op under et midlertidigt eller anonymt navn, udviklere tester den i stor skala, og operatøren kan indsamle feedback fra virkelige brugsscenarier, før et offentligt brand knyttes til modellen. Det kan forklare strategien bag Ox Alpha, men det beviser ikke, at modellen havde samme ejer, arkitektur eller træningshistorik som Pony Alpha.

Konklusion

Ox Alpha var en reel og usædvanligt generøs offentlig preview: cirka en uges gratis adgang, et kontekstvindue på 1.048.576 tokens, en maksimal outputlængde på 131.072 tokens samt input til tekst, billeder og video. Den tidlige DeepSWE-score på 80 procent var bemærkelsesværdig, men byggede kun på 10 opgaver og var ikke en officiel ranglisteplacering.

Den stærkeste teori om modellens oprindelse pegede på et endnu ikke lanceret Zhipu AI/Z.ai-system i GLM-familien, mens Xiaomi MiMo forblev en mulig, men ubekræftet forklaring. Privatlivsbilledet afhang desuden af adgangsvejen: OpenCode reklamerede med nul datalagring, mens OpenRouter-oplysninger beskrev lagring hos leverandøren uden brug til træning.

Indtil operatøren identificerer sig og offentliggør varige vilkår samt bredere evalueringer, bør Ox Alpha derfor ses som et spændende eksperiment til kontrollerede tests med ikke-følsomt materiale – ikke som en verificeret produktionsstandard.