Ox Alpha: Was wir über das anonyme KI-Modell und die Zhipu-Theorie wissen

Auch OpenCode bot Zugriff über seinen kostenlosen Tarif an. Der Dienst sprach von großzügigen Limits und „nahezu unbegrenzter Nutzung“ und nannte eine Kapazität von 100 Billionen Tokens pro Tag. Dabei handelt es sich um eine Angabe des Betreibers, nicht um eine unabhängig geprüfte Messung des tatsächlichen Durchsatzes.

Das auffällige Ergebnis: 80 Prozent in einem kleinen DeepSWE-Test

Der Entwickler Ben Davis testete Ox Alpha mit zehn Aufgaben aus dem Softwareentwicklungs-Benchmark DeepSWE. Das Modell soll acht davon bestanden haben – ein Ergebnis von etwa 80 Prozent. In demselben begrenzten Vergleich erreichte Claude Fable 5 65 Prozent, GPT-5.6 Sol 52 Prozent.

Das klingt beeindruckend, sollte aber nicht als offizieller DeepSWE-Sieg bezeichnet werden. DeepSWE v1.1 umfasst 113 eigens erstellte, langfristig angelegte Softwareentwicklungsaufgaben in 91 Repositories. Der Zehn-Aufgaben-Test deckte somit nur einen kleinen Teil des Benchmarks ab.

Hinzu kommen wichtige methodische Einschränkungen:

• Eine Stichprobe von zehn Aufgaben ist anfällig für zufällige Aufgabenauswahl und starke Schwankungen.
• Die verglichenen Modelle nutzten möglicherweise nicht dieselbe Zahl an Durchläufen oder Versuchen.
• Ox Alpha wurde nicht nach dem offiziellen Protokoll geprüft und war nicht in der öffentlichen Rangliste vertreten.
• Das Ergebnis eines individuellen Teiltests ist nicht direkt mit einer standardisierten Vollauswertung des gesamten Benchmarks vergleichbar.

In der damals verfügbaren Momentaufnahme der öffentlichen Rangliste lag Claude Opus 5 mit 73,6 Prozent vorn, gefolgt von GPT-5.6 Sol mit 72,7 Prozent und Claude Fable 5 mit 69,7 Prozent. Die vorsichtige Schlussfolgerung lautet daher: Ox Alpha zeigte in Davis’ Zehn-Aufgaben-Experiment eine sehr starke Leistung. Daraus lässt sich aber nicht ableiten, dass es insgesamt das beste Coding-Modell war.

Warum viele auf Zhipu AI tippen

Die führende Herkunftstheorie bringt Ox Alpha mit Zhipu AI, auch Z.ai genannt, und der GLM-Modellfamilie in Verbindung. Grundlage ist kein Firmenstatement, sondern sogenanntes Verhaltens- oder Modell-Fingerprinting.

Bei einem berichteten Test wurde das Tokenisierungsverhalten von Ox Alpha mit GLM-5.3 verglichen. Über 25 Prompts hinweg sollen die zugrunde liegenden Tokenzahlen übereingestimmt haben, wenn man einen konstanten Wrapper von 75 Tokens berücksichtigt. Separate Videotests zeigten demnach ebenfalls übereinstimmende Muster – unter anderem bei Frame-Auswahl, Skalierung nach Videolänge und dem Umgang mit der Auflösung.

Weitere beobachtete Ähnlichkeiten betreffen den Antwortstil, das API-Verhalten und den Umgang mit Audioeingaben. Für sich genommen könnte jedes dieser Merkmale auch durch einen gemeinsamen Wrapper, dieselbe Infrastruktur oder eine Nachahmung erklärt werden. Zusammengenommen sehen Analysten darin jedoch ein stärkeres Indizienbündel, das zur einheitlichen multimodalen GLM-Linie von Zhipu passen würde.

Auch Zhipus frühere anonyme oder als Stealth-Modelle getestete Veröffentlichungen – darunter der Name Pony Alpha – liefern einen gewissen Kontext. Sie beweisen allerdings nicht, dass Zhipu Ox Alpha entwickelt hat.

Was weiterhin ungeklärt ist

Im Zeitraum der vorliegenden Berichte hatte kein Unternehmen Ox Alpha öffentlich für sich beansprucht; auch Zhipu bestätigte die Zuordnung nicht. In der Diskussion wurden konkrete GLM-Varianten genannt. Die vorhandenen Hinweise klären jedoch nicht, ob Ox Alpha ein noch nicht veröffentlichtes Modell, eine Produktionsvariante, ein feinabgestimmtes System oder ein unabhängig betriebenes Modell mit verwandter Infrastruktur ist.

Die belastbare Beschreibung lautet deshalb: Ox Alpha stammt wahrscheinlich aus dem GLM-Umfeld oder ist davon abgeleitet und könnte mit Zhipu verbunden sein. Entwickler und genaue Modellidentität waren jedoch nicht verifiziert. Von einzelnen Analysten genannte Konfidenzwerte sollten nicht mit einer offiziellen Identifizierung verwechselt werden.

Datenschutz: Zwei Aussagen, die nicht dasselbe bedeuten

Für Entwickler ist Ox Alphas Umgang mit Daten eines der wichtigsten praktischen Details. In der Modellbeschreibung bei OpenRouter hieß es, dass Prompts und Antworten vom zugrunde liegenden Anbieter gespeichert, aber nicht zum Training verwendet werden.

Das ist etwas anderes als die allgemeine Datensammlungsrichtlinie von OpenRouter. Danach speichert OpenRouter selbst keine Prompts oder Antworten, sofern Nutzer nicht ausdrücklich die Ein- und Ausgabeprotokollierung aktivieren. Gleichzeitig dokumentiert OpenRouter die Richtlinien der einzelnen Anbieter separat. Routing-Plattform und Modellanbieter können somit unterschiedliche Speicherregeln haben.

OpenCode wiederum bewarb Ox Alpha mit „Zero Data Retention“, also einer Speicherung ohne Datenaufbewahrung. Diese Zusage kann sich auf die eigene Verarbeitung durch OpenCode beziehen. Sie hebt aber nicht automatisch den Hinweis zur Speicherung durch den Anbieter der OpenRouter-Route auf. Anders gesagt: „OpenCode speichert keine Daten“ und „der zugrunde liegende Modellanbieter speichert Prompts und Antworten“ können sich auf unterschiedliche Stationen derselben Anfrage beziehen.

Solange die beteiligten Anbieter keine einheitliche und vertraglich eindeutige Regelung zur Datenverarbeitung veröffentlichen, sollten Nutzer vorsichtshalber davon ausgehen, dass der Modellanbieter übermittelte Inhalte speichern kann. Proprietären Quellcode, Zugangsdaten, personenbezogene Daten oder regulierte Informationen sollte man daher nicht allein deshalb an den Dienst senden, weil er kostenlos ist oder Prompts angeblich nicht zum Training verwendet.

Fazit

Ox Alpha fiel vor allem aus drei Gründen auf: wegen des kostenlosen Kurzzeit-Previews, wegen des ungewöhnlich großen Kontextfensters mit multimodalen Fähigkeiten und wegen des überraschend starken ersten Coding-Ergebnisses. Die Fakten rechtfertigen dennoch eine nüchterne Einordnung – nicht die Behauptung, ein unbekanntes Labor habe die etablierten Spitzenmodelle eindeutig geschlagen.

Die 80 Prozent bei DeepSWE stammen aus acht bestandenen Aufgaben von zehn und nicht aus dem vollständigen Benchmark mit 113 Aufgaben. In der öffentlichen Rangliste lag Claude Opus 5 weiterhin vorn, und Ox Alpha hatte die offizielle Auswertung noch nicht durchlaufen.

Die technischen Fingerabdrücke machen eine Verbindung zwischen Zhipu und GLM zur derzeit naheliegendsten Erklärung. Eine öffentliche Bestätigung der Urheberschaft gab es jedoch nicht. Für Experimente war Ox Alpha deshalb ein spannender Testkandidat. Für produktive Systeme oder sensible Codebasen sprachen die anonyme Herkunft, die Speicherung auf Anbieterseite und die ungeklärte Identität dagegen, unkritisch damit zu arbeiten.