Ox Alpha explicado: el modelo de IA anónimo detrás del salto de 42 billones de tokens

Durante casi una semana, Ox Alpha fue uno de los mayores enigmas del mundo de la inteligencia artificial. Apareció sin logotipo, empresa responsable ni ficha técnica completa, pero con acceso gratuito, una ventana de contexto de un millón de tokens y capacidades orientadas a la programación. En pocos días, los desarrolladores lo convirtieron en uno de los modelos más utilizados de OpenCode y OpenRouter.

La incógnita terminó el 26 de agosto de 2026, cuando Z.ai confirmó que Ox Alpha era GLM-5.3-Flash, una nueva versión de su familia GLM. 34

El episodio demuestra que, en los modelos de IA, la distribución puede ser tan decisiva como la calidad técnica: combinar acceso gratuito, mucho contexto e integración directa en los flujos de trabajo de los desarrolladores bastó para generar un volumen de uso extraordinario. Pero una clasificación de popularidad no equivale a una prueba concluyente de rendimiento.

Qué era Ox Alpha

Ox Alpha era el nombre en clave de la vista previa anónima de GLM-5.3-Flash, creado por Z.ai, la marca internacional de Zhipu AI. Antes de la revelación, OpenRouter lo presentaba únicamente como un modelo de terceros para programación, trabajo prolongado con agentes y cargas de producción. La plataforma aclaraba que solo dirigía las solicitudes al modelo y que no era su desarrolladora, propietaria ni proveedora. 529

En OpenRouter aparecía como stealth/ox-alpha y también se integró en OpenCode, un agente de programación de código abierto que funciona desde la terminal. Durante la vista previa, el precio era de 0 dólares y OpenCode describía el acceso como prácticamente ilimitado durante el periodo de lanzamiento. 51821

Cuándo se lanzó y qué ofrecía

Ox Alpha apareció el 20 de agosto de 2026, de forma simultánea o casi simultánea, en OpenRouter y OpenCode. La ficha pública destacaba sus capacidades, pero no revelaba el nombre de la empresa ni ofrecía una documentación técnica convencional. 51329

Sus especificaciones anunciadas incluían:

• Ventana de contexto de 1.048.576 tokens.
• Hasta 131.072 tokens de salida, según la ruta publicada.
• Entrada de texto, imágenes y vídeo.
• Generación de texto.
• Llamadas a herramientas.
• Soporte para programación, razonamiento complejo, tareas prolongadas con agentes y flujos de trabajo de producción. 111321

En la práctica, esas características resultaban atractivas para trabajar con repositorios completos, depurar problemas a partir de imágenes y mantener conversaciones extensas durante tareas autónomas. Aun así, describían lo que anunciaba la ruta de acceso; por sí solas no demostraban la consistencia del modelo en entornos reales.

El efecto de una semana gratis

El precio cero fue probablemente el principal motor de la adopción. Los desarrolladores podían probar tareas de programación largas sin preocuparse por el coste habitual de los tokens, y además podían hacerlo dentro de un flujo de trabajo que ya utilizaban.

OpenCode: el fin de una racha de DeepSeek

OpenCode informó de que Ox Alpha procesó aproximadamente 42 billones de tokens en seis días. La plataforma lo describió como su modelo más utilizado desde la anterior racha de DeepSeek Flash, que había permanecido 56 días en lo alto de su clasificación. 716

La cifra es significativa no solo por su magnitud. Ox Alpha desplazó a un modelo que llevaba casi dos meses en el primer puesto, lo que convirtió el lanzamiento en un fenómeno de uso real dentro de una herramienta de programación, no simplemente en una curiosidad viral.

OpenCode terminó identificando el modelo como GLM-5.3-Flash, confirmando que la vista previa anónima y el lanzamiento oficial de Z.ai correspondían al mismo sistema. 16

OpenRouter: primer puesto y récord de uso

Los datos de OpenRouter también situaron a Ox Alpha en el primer lugar de su clasificación móvil durante la vista previa. Un informe estimó su volumen en unos 23,2 billones de tokens en la ventana relevante de siete días, frente a aproximadamente 11,6 billones de DeepSeek V4 Flash. 11

Los 42 billones registrados por OpenCode y los 23,2 billones de OpenRouter no deben sumarse ni interpretarse como mediciones rivales de un único total mundial. Corresponden a plataformas y ventanas de medición diferentes. La conclusión sólida es más concreta: el lanzamiento gratuito generó un tráfico excepcional en ambos servicios y produjo un aumento récord en OpenRouter. 111415

Qué demuestran realmente las pruebas de programación

Los primeros titulares giraron alrededor de un resultado cercano al 80 % en DeepSWE. Sin embargo, esa cifra procedía de un subconjunto pequeño y circuló antes de que hubiera una evaluación independiente completa. 331

Una ejecución posterior de las 113 tareas de DeepSWE registró un 58,4 % para Ox Alpha, frente al 59 % atribuido a Claude Opus 4.8. 47 Con esa evidencia, la descripción prudente es que Ox Alpha rindió aproximadamente al nivel de Opus 4.8 en esa prueba; no que superara claramente a Claude Fable 5.

Las comparaciones con Fable 5 son especialmente delicadas porque se basan en conjuntos de pruebas distintos. Las cifras publicadas para Fable 5 incluyen 80,3 % en SWE-bench Pro y 95,0 % en SWE-bench Verified, pero esas evaluaciones no son DeepSWE y pueden utilizar diferentes herramientas de ejecución, distribución de tareas y configuraciones de agentes. 3638

Por tanto, el balance más defendible es limitado, pero relevante: Ox Alpha mostró un rendimiento de programación creíble, situado en la frontera del sector, y fue suficientemente capaz como para atraer un uso sostenido con agentes. Los datos disponibles no permiten convertir un resultado preliminar o un salto en una clasificación de uso en la afirmación de que era mejor que Fable 5 en todas las tareas de programación.

Por qué llamó la atención de los desarrolladores

Ox Alpha reunió tres elementos especialmente potentes cuando se ofrecen al mismo tiempo:

1. Sin coste por tokens durante la vista previa, lo que reducía la barrera para experimentar.
2. Una ventana de contexto de un millón de tokens, útil para repositorios grandes y tareas de larga duración.
3. Entrada multimodal y uso de herramientas, con capacidad para combinar código, imágenes, vídeo y acciones externas. 111321

Esa combinación ayuda a explicar la velocidad de su ascenso. El movimiento en las clasificaciones reflejó una demanda concreta por la experiencia de producto: los desarrolladores podían incorporar el modelo inmediatamente a sus agentes y probarlo a una escala que normalmente resulta demasiado cara.

La reacción también puso de relieve un problema de confianza. Algunos informes cuestionaron si el lenguaje sobre conservación de datos de la ficha del modelo coincidía con las condiciones generales de OpenRouter. Otras informaciones describieron diferencias de privacidad entre las rutas de acceso, incluidas afirmaciones de retención cero en OpenCode Zen y condiciones de retención asociadas a la ruta de OpenRouter. 121722

Para quienes trabajan con código fuente sensible, no saber quién operaba el modelo ni durante cuánto tiempo se conservaban las solicitudes era una preocupación importante. Que un modelo sea gratuito no significa automáticamente que sea adecuado para repositorios privados o código empresarial.

La búsqueda del creador: qué teorías tenían sentido

Antes de la confirmación del 26 de agosto, la comunidad barajó varios posibles responsables.

Xiaomi y MiMo

MiMo, de Xiaomi, fue una de las teorías del sector porque Xiaomi parecía una candidata plausible para desarrollar un modelo chino con buenas capacidades de programación. Sin embargo, no apareció ninguna prueba confirmada de una conexión de nombres, alojamiento, propiedad o firma técnica de MiMo. La hipótesis era posible, pero no estaba demostrada.

Google DeepMind

El término “Alpha” alimentó las especulaciones sobre Google DeepMind, y el comportamiento del modelo en tareas de programación y uso de agentes reforzó la conversación. Ninguna de esas pistas era concluyente: “Alpha” es una denominación genérica y la ficha pública no incluía atribución a Google, procedencia del modelo, pruebas de infraestructura ni una ficha técnica que lo vinculara con DeepMind.

Z.ai y la familia GLM

Z.ai se convirtió en la hipótesis más sólida antes de la confirmación oficial, y finalmente resultó ser la correcta. El 26 de agosto, la empresa comunicó a Bloomberg que Ox Alpha era una nueva iteración de la serie GLM. Después identificó el lanzamiento como GLM-5.3-Flash y afirmó que publicaría sus pesos. 348

La distinción importante es entre elaborar una hipótesis técnica y demostrar una atribución. Las respuestas del modelo, sus patrones de tokenización, el comportamiento ante negativas, la longitud del contexto o el nombre en clave pueden orientar una investigación, pero no prueban de forma fiable quién opera un servicio cerrado. La evidencia decisiva fue la identificación de la propia empresa, no la especulación basada en ingeniería inversa.

Por qué el creador no estaba confirmado al principio

Cuando se lanzó, el modelo no tenía nombre de empresa, ficha técnica detallada, artículo académico ni identidad comercial convencional. OpenRouter indicaba únicamente que un proveedor externo había decidido permanecer anónimo durante la vista previa. 51329

Esa decisión también eliminó señales que normalmente ayudan a evaluar un modelo: una política de privacidad conocida, procedencia publicada, canal de soporte, precios posteriores al periodo promocional y una cuenta corporativa identificable. Por eso, “creador no confirmado” era una descripción correcta entre el 20 y el 25 de agosto, pero dejó de serlo después de la revelación de Z.ai el 26 de agosto. 34

Qué decidirá su futuro después de la promoción

La semana gratuita demostró que existía una fuerte demanda. No demostró que los usuarios continuarían utilizando el modelo cuando entraran en juego el precio, los límites, la fiabilidad y la confianza.

Precio y capacidad

Las primeras informaciones no habían revelado el precio posterior a la vista previa. La adopción a largo plazo dependerá de si el acceso de pago resulta competitivo y de si los límites de uso pueden sostener las cargas de trabajo que hicieron popular al modelo. 35

Fiabilidad en proyectos reales

Un modelo puede rendir bien durante un lanzamiento viral y aun así necesitar latencia predecible, disponibilidad constante, uso fiable de herramientas, recuperación ante errores y calidad estable de las respuestas. Cuando un agente modifica un código de producción, esos factores pesan más que un único puesto en una clasificación.

Evaluaciones independientes

La evidencia más útil serán pruebas reproducibles en conjuntos completos de programación y repositorios reales, con el sistema de evaluación y la configuración del agente claramente documentados. Esa es la mejor forma de separar la capacidad genuina de las ventajas temporales de una experimentación gratuita y masiva.

Privacidad y confianza empresarial

Serán especialmente importantes unas reglas claras de conservación de datos, la procedencia del modelo, las prácticas de seguridad y los controles empresariales, sobre todo después de la incertidumbre generada por la vista previa anónima. 41217

Pesos abiertos e integración

La publicación anunciada de los pesos por parte de Z.ai podría llevar el modelo más allá de una única ruta alojada y facilitar su ejecución local o en servidores propios. El soporte continuado en OpenCode, OpenRouter, agentes integrados en entornos de desarrollo y plataformas de llamadas a herramientas también determinará si el pico inicial se convierte en un ecosistema duradero. 38

En resumen

Ox Alpha no era un modelo destinado a permanecer misterioso para siempre. Era GLM-5.3-Flash, de Z.ai, que se probó bajo un nombre anónimo antes de ser presentado oficialmente el 26 de agosto de 2026. Su vista previa gratuita generó unos 42 billones de tokens en OpenCode durante seis días, acabó con la racha de 56 días de DeepSeek y llevó al modelo al primer puesto de uso en OpenRouter. 71116

Su perfil técnico era llamativo, pero los resultados de programación obligan a mantener la cautela. La evaluación independiente completa más clara lo situó cerca de Claude Opus 4.8 en DeepSWE, mientras que las comparaciones con Claude Fable 5 siguen siendo difíciles porque las pruebas no son directamente equivalentes. 363847

La verdadera prueba comienza después del periodo gratuito: demostrar si GLM-5.3-Flash puede transformar la demanda viral en usuarios de pago, implementaciones confiables, resultados reproducibles y un ecosistema de modelo abierto que perdure.