Ox Alpha : un modèle IA impressionnant, mais toujours sans créateur identifié

OpenCode proposait également Ox Alpha via son offre gratuite. Dans son annonce, le service évoquait des limites généreuses et une utilisation « presque illimitée », avec une capacité annoncée de 100 000 milliards de tokens par jour. Ce chiffre correspond à une déclaration de l’opérateur, et non à une mesure de débit vérifiée indépendamment.

Le chiffre qui a mis le feu aux poudres : 80 % sur un échantillon de DeepSWE

Le développeur Ben Davis a testé Ox Alpha sur 10 tâches issues du benchmark DeepSWE, consacré aux capacités des agents IA en ingénierie logicielle. Le modèle aurait réussi 8 tâches, soit un résultat d’environ 80 %. Dans cette même comparaison limitée, Claude Fable 5 a obtenu 65 % et GPT-5.6 Sol 52 %.

Ce score est spectaculaire, mais il ne faut pas le présenter comme une victoire officielle sur l’ensemble de DeepSWE. La version 1.1 du benchmark comprend 113 tâches originales d’ingénierie logicielle, réparties sur 91 dépôts de code. Le test de 10 tâches n’en couvre donc qu’une petite partie.

Plusieurs limites méthodologiques invitent à la prudence :

• L’échantillon est réduit et sensible au choix des tâches ainsi qu’aux variations statistiques.
• Les modèles comparés n’ont pas forcément utilisé le même nombre d’exécutions ou de tentatives.
• Ox Alpha n’a pas été évalué selon le protocole officiel du classement et ne figurait pas encore dans le leaderboard public.
• Le score obtenu par un chercheur sur un sous-ensemble ne peut pas être assimilé directement à un taux de réussite sur l’ensemble du benchmark, dans des conditions standardisées.

Dans la capture du classement public disponible à ce moment-là, Claude Opus 5 arrivait en tête avec 73,6 %, devant GPT-5.6 Sol à 72,7 % et Claude Fable 5 à 69,7 %. La conclusion raisonnable est donc plus circonscrite : Ox Alpha s’est montré très performant dans l’expérience de 10 tâches menée par Davis, mais ce résultat ne suffit pas à en faire le meilleur modèle généraliste pour coder.

Pourquoi la piste Zhipu AI revient-elle si souvent ?

L’hypothèse dominante relie Ox Alpha à Zhipu AI, ou Z.ai, et à sa famille de modèles GLM. Elle repose sur l’analyse de comportements techniques, pas sur une annonce de l’entreprise.

Un test rapporté a comparé la tokenisation d’Ox Alpha à celle de GLM-5.3 sur 25 prompts. Les nombres de tokens obtenus correspondaient après prise en compte d’une enveloppe constante de 75 tokens. Des essais vidéo distincts auraient également révélé un comportement visuel similaire, notamment pour l’échantillonnage des images, la mise à l’échelle selon la durée et la gestion de la résolution.

D’autres ressemblances auraient été observées dans le style des réponses, le comportement de l’API et la manière de traiter les entrées audio. Pris séparément, chacun de ces indices pourrait s’expliquer par une enveloppe commune, une infrastructure partagée ou une imitation. Ensemble, ils forment un faisceau d’éléments que les analystes jugent plus compatible avec la gamme multimodale unifiée GLM de Zhipu.

Le fait que Zhipu ait déjà utilisé des noms anonymes ou de type « stealth » pour certains essais, notamment Pony Alpha, apporte un contexte supplémentaire. Cela ne prouve toutefois pas que l’entreprise soit à l’origine d’Ox Alpha.

Une théorie minoritaire évoque aussi l’équipe MiMo de Xiaomi, mais les éléments techniques rapportés dans les sources disponibles soutiennent davantage l’hypothèse Zhipu/GLM. Là encore, il s’agit d’une interprétation et non d’une identification officielle.

Ce qui n’a pas été vérifié

Durant la période couverte par les rapports, aucune entreprise n’avait revendiqué publiquement Ox Alpha et Zhipu n’avait pas confirmé cette attribution. Les spéculations ont évoqué plusieurs variantes précises de GLM, mais les données accessibles ne permettent pas d’établir s’il s’agit d’un modèle inédit, d’une variante de production, d’un système affiné ou d’un modèle exploité indépendamment avec une infrastructure apparentée.

La formulation la plus solide reste donc la suivante : Ox Alpha est probablement dérivé de GLM et pourrait être lié à Zhipu, mais son créateur et son identité exacte n’étaient pas vérifiés. Les pourcentages de confiance avancés par certains analystes ne doivent pas être pris pour une identification officielle.

Une vraie différence entre OpenRouter et OpenCode sur les données

Les règles de confidentialité d’Ox Alpha constituent l’un des points les plus importants pour les développeurs. La fiche du modèle sur OpenRouter indiquait que les prompts et les réponses étaient conservés par le fournisseur sous-jacent, mais qu’ils n’étaient pas utilisés pour entraîner le modèle.

Cette règle ne correspond pas à la politique générale de collecte d’OpenRouter : la plateforme indique qu’elle ne conserve pas elle-même les prompts et les réponses, sauf si l’utilisateur active volontairement la journalisation des entrées et sorties. Elle documente par ailleurs séparément les politiques propres à chaque fournisseur. La couche de routage et le fournisseur du modèle peuvent donc appliquer des règles différentes.

De son côté, OpenCode présentait Ox Alpha comme bénéficiant d’une « conservation nulle des données ». Cette promesse peut concerner la manière dont OpenCode traite les requêtes, mais elle n’annule pas automatiquement la mention de conservation par le fournisseur attachée au routage via OpenRouter. Autrement dit, « OpenCode ne conserve pas les données » et « le fournisseur sous-jacent conserve les prompts et les réponses » peuvent décrire deux étapes différentes d’un même parcours technique.

Tant que les prestataires n’auront pas publié une politique unique et contractuellement claire sur le traitement des données, l’hypothèse prudente consiste à considérer que le fournisseur du modèle peut conserver les contenus transmis. Mieux vaut donc éviter d’envoyer du code propriétaire, des identifiants, des données personnelles ou des informations réglementées simplement parce que le service est gratuit ou affirme ne pas utiliser les prompts pour l’entraînement.

En résumé

Ox Alpha a retenu l’attention pour trois raisons : un aperçu gratuit de courte durée, une fenêtre de contexte et des capacités multimodales particulièrement larges, ainsi qu’un premier résultat très convaincant en programmation. Mais les éléments disponibles invitent à une lecture mesurée plutôt qu’à l’affirmation selon laquelle un laboratoire inconnu aurait définitivement dépassé les modèles de pointe établis.

Le score de 80 % sur DeepSWE correspond à 8 réussites sur 10, et non à l’intégralité des 113 tâches du benchmark. Le classement public plaçait encore Claude Opus 5 en tête, et Ox Alpha n’avait pas suivi la procédure officielle d’évaluation.

Ses empreintes techniques font de Zhipu/GLM l’explication la plus convaincante, sans qu’aucune confirmation publique n’ait établi la paternité du modèle. Pour expérimenter, Ox Alpha constituait un modèle anonyme particulièrement intéressant. Pour un système en production ou du code sensible, son propriétaire inconnu, la conservation possible par le fournisseur et son identité non résolue justifiaient en revanche une grande prudence.