Ox Alpha: Model AI Misterius yang Diduga Berasal dari Zhipu

OpenCode juga menyediakan akses melalui paket gratisnya. Dalam pengumumannya, OpenCode menyebut batas penggunaan yang longgar dan penggunaan yang “hampir tanpa batas”, dengan kapasitas yang diklaim mencapai 100 triliun token per hari. Angka tersebut merupakan klaim operator, bukan hasil pengukuran throughput yang diaudit secara independen.

Hasil 80% di DeepSWE: menarik, tetapi belum final

Pengembang Ben Davis menguji Ox Alpha pada 10 tugas yang diambil dari DeepSWE, benchmark untuk mengukur kemampuan agen AI menangani pekerjaan rekayasa perangkat lunak yang panjang dan kompleks. Ox Alpha dilaporkan menyelesaikan delapan tugas, atau sekitar 80%. Dalam perbandingan terbatas yang sama, Claude Fable 5 mencetak 65% dan GPT-5.6 Sol 52%.

Hasil ini memang mencuri perhatian, tetapi tidak tepat jika disebut sebagai kemenangan resmi di DeepSWE. Versi DeepSWE v1.1 mencakup 113 tugas rekayasa perangkat lunak orisinal di 91 repositori. Dengan demikian, eksperimen 10 tugas tersebut hanya mencakup sebagian kecil dari keseluruhan benchmark.

Ada beberapa keterbatasan penting:

• Sampelnya kecil sehingga sangat rentan terhadap pemilihan tugas dan variasi hasil yang tinggi.
• Model yang dibandingkan belum tentu menggunakan jumlah percobaan atau rollout yang sama.
• Ox Alpha belum diuji menggunakan protokol resmi papan peringkat dan belum tercantum di leaderboard publik.
• Nilai dari subset yang diuji seorang peneliti tidak dapat disamakan langsung dengan tingkat kelulusan seluruh benchmark dalam kondisi evaluasi yang distandardisasi.

Dalam snapshot papan peringkat publik yang tersedia saat itu, Claude Opus 5 berada di posisi pertama dengan 73,6%, disusul GPT-5.6 Sol dengan 72,7% dan Claude Fable 5 dengan 69,7%.

Kesimpulan yang lebih hati-hati adalah: Ox Alpha terlihat sangat kuat dalam eksperimen 10 tugas milik Davis, tetapi hasil tersebut belum membuktikan bahwa ia merupakan model coding serbaguna terbaik.

Mengapa dugaan mengarah ke Zhipu AI?

Teori atribusi yang paling banyak dibahas mengaitkan Ox Alpha dengan Zhipu AI, yang juga dikenal sebagai Z.ai, serta keluarga model GLM. Dasarnya bukan pengumuman perusahaan, melainkan analisis “sidik jari” teknis dan perilaku model.

Dalam salah satu pengujian, perilaku tokenisasi Ox Alpha dibandingkan dengan GLM-5.3 menggunakan 25 prompt. Jumlah token yang dihasilkan dilaporkan sama setelah memperhitungkan pembungkus tetap sepanjang 75 token. Pengujian video terpisah juga menemukan kemiripan dalam perilaku token visual, termasuk pengambilan frame, skala durasi, dan penanganan resolusi.

Kemiripan lain yang dilaporkan mencakup gaya respons, perilaku API, serta cara model menangani input audio. Jika dilihat satu per satu, petunjuk tersebut masih bisa dijelaskan oleh penggunaan pembungkus API yang sama, infrastruktur bersama, atau peniruan. Namun, para analis menilai gabungan beberapa ciri itu lebih konsisten dengan lini GLM multimodal terpadu milik Zhipu.

Riwayat Zhipu dalam menguji model anonim atau bergaya stealth, termasuk penggunaan nama Pony Alpha, turut memperkuat konteks dugaan tersebut. Meski begitu, riwayat itu tidak membuktikan bahwa Zhipu adalah pembuat Ox Alpha.

Ada pula spekulasi minor yang mengaitkannya dengan tim MiMo milik Xiaomi, tetapi bukti teknis yang dipublikasikan sejauh ini lebih banyak mendukung hipotesis GLM/Zhipu daripada teori tersebut.

Identitas model masih belum terverifikasi

Tidak ada perusahaan yang secara terbuka mengklaim Ox Alpha pada periode yang dibahas dalam laporan, dan Zhipu belum mengonfirmasi atribusi tersebut. Bukti yang tersedia juga belum dapat memastikan apakah Ox Alpha merupakan model yang belum dirilis, varian produksi, sistem yang disetel ulang, atau model independen yang memakai infrastruktur terkait.

Deskripsi yang paling dapat dipertanggungjawabkan adalah: Ox Alpha kemungkinan berasal dari keluarga GLM dan mungkin terhubung dengan Zhipu, tetapi pencipta serta identitas model persisnya belum terverifikasi. Persentase keyakinan yang beredar dari analis individual tidak boleh dianggap sebagai identifikasi resmi.

Perbedaan kebijakan privasi yang perlu diperhatikan

Bagi pengembang, kebijakan data Ox Alpha mungkin sama pentingnya dengan skor benchmark-nya. Halaman Ox Alpha di OpenRouter menyatakan bahwa prompt dan completion disimpan oleh penyedia model yang mendasarinya, tetapi tidak digunakan untuk pelatihan.

Pernyataan tersebut berbeda dari kebijakan umum OpenRouter. Platform itu mengatakan tidak menyimpan prompt atau respons kecuali pengguna mengaktifkan pencatatan input dan output. OpenRouter juga memisahkan kebijakan penyedia, sehingga lapisan perutean dan penyedia model dapat memiliki aturan retensi yang berbeda.

Sementara itu, OpenCode mempromosikan Ox Alpha dengan klaim “zero data retention”. Janji ini mungkin merujuk pada cara OpenCode menangani permintaan, tetapi tidak otomatis membatalkan pengungkapan bahwa penyedia model di balik rute OpenRouter menyimpan prompt dan completion.

Dengan kata lain, “OpenCode tidak menyimpan data” dan “penyedia model menyimpan prompt serta completion” dapat sama-sama benar jika merujuk pada tahap berbeda dalam jalur permintaan yang sama.

Sampai penyedia menerbitkan kebijakan pemrosesan data yang tunggal dan jelas secara kontraktual, asumsi paling aman adalah bahwa penyedia model mungkin menyimpan konten yang dikirimkan. Pengembang sebaiknya tidak mengunggah kode sumber milik perusahaan, kredensial, data pribadi, atau informasi yang diatur secara hukum hanya karena layanan tersebut gratis atau mengklaim tidak melatih model menggunakan prompt.

Kesimpulan

Ox Alpha menarik perhatian karena tiga hal: akses gratis dalam waktu terbatas, konteks yang sangat besar dengan kemampuan multimodal, dan hasil awal coding yang mencolok.

Namun, angka 80% di DeepSWE berasal dari delapan tugas yang berhasil diselesaikan dari total 10 tugas, bukan dari keseluruhan 113 tugas benchmark. Papan peringkat publik masih menempatkan Claude Opus 5 di posisi teratas, sementara Ox Alpha belum menjalani proses evaluasi resmi.

Jejak tokenisasi, pemrosesan video, perilaku API, dan gaya respons membuat hubungan dengan Zhipu/GLM menjadi penjelasan yang paling banyak didukung. Akan tetapi, belum ada konfirmasi publik mengenai siapa pembuatnya.

Untuk eksperimen, Ox Alpha merupakan model anonim yang menarik untuk dicoba. Untuk sistem produksi atau kode sensitif, kepemilikan yang tidak jelas, kebijakan retensi di tingkat penyedia, dan identitas model yang belum terselesaikan menjadi alasan kuat untuk tetap berhati-hati.