Ox Alpha, il mistero è risolto: il modello gratuito “Niu Lai” era GLM-5.3-Flash

Il mistero di Ox Alpha è stato risolto: il modello anonimo apparso su OpenRouter non era un progetto indipendente destinato a restare senza nome, ma un’anteprima temporanea di Z.ai, l’azienda precedentemente nota come Zhipu AI. Il 20 agosto 2026 è stato pubblicato con l’identificativo stealth/ox-alpha; sei giorni dopo, Z.ai ne ha confermato il nome ufficiale: GLM-5.3-Flash. 2510

La curiosità, però, non nasceva soltanto dall’identità nascosta. Durante l’anteprima, gli sviluppatori potevano usare gratuitamente un modello di ragionamento pensato per il coding e per i flussi di lavoro basati su agenti. I primi test condotti dalla comunità suggerivano inoltre una capacità notevole di intervenire su codice reale, non soltanto di risolvere esercizi isolati.

Che cos’era Ox Alpha?

OpenRouter descriveva Ox Alpha come un modello destinato alla programmazione, al lavoro prolungato degli agenti software e ai carichi di produzione. L’obiettivo comprendeva attività di ingegneria del software a lungo raggio, ragionamento complesso e flussi che combinano testo e contesto visivo. 3039

Le specifiche rese pubbliche durante l’anteprima erano particolarmente ambiziose:

• Identificativo: stealth/ox-alpha
• Data di comparsa: 20 agosto 2026
• Finestra di contesto: 1.048.576 token, cioè circa un milione
• Output massimo: 131.072 token
• Input: testo, immagini e video
• Funzioni: chiamate a strumenti o funzioni e output strutturati
• Prezzo: input e output gratuiti durante l’anteprima anonima 61214

Una finestra di queste dimensioni è utile per analizzare repository estesi, conversazioni molto lunghe e procedure automatizzate in più passaggi. Tuttavia, una grande capacità di contesto e un prezzo pari a zero non dimostrano da soli che un modello sia superiore in ogni scenario. L’elemento che ha attirato maggiormente i programmatori è stato il comportamento osservato nei compiti di ingegneria del software.

Perché in Cina lo chiamavano “Niu Lai”?

In inglese, “ox” indica un bue o un bovino e può essere associato al carattere cinese 牛, pronunciato niú. Da qui è nato rapidamente il soprannome “Niu Lai”, adottato dalla comunità cinese degli sviluppatori.

Il nome richiamava anche un film d’animazione cinese omonimo, diventato un meme online nell’estate del 2026. Il titolo può essere tradotto approssimativamente come “Ecco il bue”. 15

“Niu Lai” era quindi un’etichetta nata dalla rete, non il nome commerciale ufficiale del modello. Il soprannome non indicava nemmeno un rapporto di proprietà, licenza o copyright tra il modello e il film. 1415

Il risultato dell’80% su DeepSWE: quanto vale davvero?

Il dato più condiviso è arrivato da un test comunitario su dieci attività reali di DeepSWE. Ox Alpha avrebbe risolto 8 compiti su 10, ottenendo un risultato Pass@1 dell’80%. Nello stesso confronto preliminare, Claude Fable 5 si è fermato al 65% e GPT-5.6 Sol al 52%. 1348

Modello	Risultato preliminare su 10 attività DeepSWE
Ox Alpha	8/10 (80%)
Claude Fable 5	65%
GPT-5.6 Sol	52%

DeepSWE misura se un agente riesce a comprendere un repository reale, individuare un problema e proporre una correzione funzionante. Non è quindi un semplice test di generazione di codice. 4957

Il risultato dell’80% è interessante proprio perché riguarda problemi software concreti, ma il numero di prove resta molto limitato. La scelta delle attività, i prompt, la configurazione di esecuzione e il processo di valutazione possono incidere sensibilmente sull’esito. La formulazione più corretta è dunque questa: Ox Alpha ha mostrato risultati molto promettenti in una prima prova comunitaria su dieci attività, ma non è possibile concludere da quel dato che abbia battuto sistematicamente tutti gli altri modelli.

In seguito, alcune pubblicazioni hanno riferito che Ox Alpha avrebbe risolto 63 delle 113 attività dell’intero set DeepSWE, avvicinandosi a Claude Opus 4.8. 5 Un test completo è più informativo di un campione da dieci casi, ma i dettagli pubblici sulla configurazione e sulla riproducibilità non sono sufficienti per trattare quel risultato come una conclusione indipendentemente verificata.

Come ha conquistato la vetta di OpenRouter?

Ox Alpha riuniva tutti gli ingredienti per diventare virale nel mondo degli sviluppatori: identità anonima, accesso gratuito, contesto da circa un milione di token, input multimodale e una posizione esplicita sul coding e sugli agenti. 3610

Il modello è rapidamente salito in cima alle classifiche di utilizzo di OpenRouter. Secondo i resoconti collegati a Bloomberg, il lancio sarebbe stato tra i più grandi nella storia del marketplace e l’utilizzo avrebbe superato di oltre due volte quello di DeepSeek. Altri report hanno riferito che Ox Alpha ha interrotto una lunga serie di DeepSeek in una classifica per sviluppatori e ha stabilito un record di utilizzo giornaliero. 51016

Questi dati vanno però letti con attenzione. Classifiche di OpenRouter, ranking di OpenCode, numero di sessioni e quantità di token consumati non sono metriche equivalenti. Non possono essere trasformati automaticamente in un unico conteggio degli utenti o in una classifica di prestazioni.

Il dato più solido è l’interesse eccezionale generato dalla combinazione tra accesso gratuito e capacità percepita. Anche Patrick Collison, amministratore delegato di Stripe, ha definito Ox Alpha “molto impressionante”. 59 Si tratta di una reazione significativa per capire l’attenzione del settore, ma non di una valutazione tecnica indipendente.

Le impronte tecniche che portavano a Zhipu

Prima dell’annuncio ufficiale, diversi sviluppatori avevano già collegato Ox Alpha a Zhipu attraverso test “black box”, cioè osservando il comportamento del servizio senza accedere ai suoi pesi o al codice interno.

1. Il conteggio dei token e lo scarto fisso di 75 token

I ricercatori hanno confrontato il conteggio dei token di Ox Alpha con quello di GLM-5.3 su prompt in lingue diverse, contenenti codice ed emoji. I report indicavano una corrispondenza molto stretta, con uno scarto fisso di circa 75 token. 117

Quando la differenza resta stabile su input molto diversi, una possibile spiegazione è la presenza di un prompt di sistema o di un involucro aggiuntivo inserito da OpenRouter o dal fornitore. Non è necessariamente il segno di un vocabolario di base differente. Un’analisi comunitaria più ampia ha riferito una corrispondenza esatta in 95 serie di test. 18

Il tokenizer può quindi indicare un vocabolario condiviso o un’implementazione molto simile del livello di servizio, ma da solo non dimostra che due modelli abbiano gli stessi pesi.

2. Il comportamento sui video coincideva con GLM-5V-Turbo

Un secondo indizio è arrivato dall’elaborazione degli input video. In diverse prove, Ox Alpha e GLM-5V-Turbo avrebbero consumato lo stesso numero di token fotogramma per fotogramma, mostrando inoltre schemi simili per campionamento e risoluzione. 1724

Questo tipo di comportamento è più difficile da imitare semplicemente modificando lo stile delle risposte testuali. Per questo molti osservatori lo hanno considerato un segnale particolarmente distintivo. Resta comunque un’inferenza esterna ottenuta tramite test di tipo black box, non una prova sostitutiva di una dichiarazione ufficiale.

3. Errori API e reazioni alle impostazioni simili

Gli sviluppatori hanno inoltre segnalato somiglianze nei messaggi di errore delle API, nella risposta alle impostazioni di ragionamento e nello stile di output. 24

Presi insieme, questi elementi — tokenizer, gestione dei video e caratteristiche del livello API — hanno reso molto credibile l’ipotesi di un modello Zhipu in fase di pre-rilascio.

La formula “99% di certezza” circolata online era però il giudizio di singoli osservatori, non una probabilità statistica ottenuta con un metodo pubblico e verificato. 27 Anche alcune dichiarazioni prudenti riconducibili all’ambiente di Google DeepMind avevano alimentato ipotesi su Gemini, senza però fornire una conferma.

Il quadro è cambiato il 26 agosto: Z.ai ha dichiarato che Ox Alpha apparteneva alla famiglia GLM e lo ha presentato con il nome GLM-5.3-Flash. 510

Ox Alpha e la strategia dei modelli “Stealth Alpha”

Ox Alpha non era il primo modello anonimo comparso su OpenRouter con un nome in codice. Tra i casi precedenti sono stati indicati:

• Pony Alpha → Zhipu GLM-5
• Hunter Alpha → Xiaomi MiMo-V2-Pro
• Elephant Alpha → Inclusion AI del gruppo Ant
• Owl Alpha → LongCat-2.0 di Meituan 3833

Il modello di lancio è simile: un sistema viene reso disponibile per un periodo breve, spesso gratuitamente e con un nome non riconducibile direttamente al produttore. Gli sviluppatori lo provano in condizioni reali; in seguito, il laboratorio ne rivela l’identità e lo collega al proprio marchio ufficiale. 3438

La logica strategica è plausibile, anche se le aziende non hanno necessariamente confermato pubblicamente tutte queste motivazioni:

1. Ridurre i pregiudizi legati al marchio o all’origine. Gli utenti valutano il comportamento del modello prima di sapere chi lo ha costruito.
2. Raccogliere feedback in ambienti reali. Gli sviluppatori inseriscono il modello in repository, strumenti e automazioni, andando oltre i test controllati.
3. Favorire la diffusione organica. Un modello gratuito, anonimo e apparentemente potente è naturalmente portato a essere provato e discusso.
4. Mettere alla prova l’infrastruttura. Un grande volume di richieste aiuta a verificare capacità, contesto lungo e stabilità nei carichi agentici.

Nel caso di Ox Alpha, l’anteprima ha effettivamente prodotto un’enorme quantità di utilizzo, analisi tecniche e attenzione internazionale, prima che Z.ai collegasse il modello alla famiglia GLM. 8910

La vera novità non è l’anonimato, ma il metodo di lancio

La storia di Ox Alpha si divide in due momenti. Prima c’è stato un modello gratuito, multimodale, con contesto molto esteso e identità sconosciuta. Poi è arrivata la fase ufficiale, con la conferma di Z.ai e il nome GLM-5.3-Flash. 210

L’80% ottenuto nella prima prova DeepSWE mostra una competitività notevole su un piccolo insieme di attività reali. Non basta però, da solo, per stabilire un dominio generale; anche i risultati riferiti sul set completo da 113 attività devono essere valutati alla luce della configurazione del benchmark.

La lezione più ampia riguarda il modo in cui i modelli vengono presentati al pubblico. Le anteprime anonime trasformano il lancio in un esperimento aperto che combina addestramento, test dell’infrastruttura, raccolta di feedback e acquisizione di utenti.

Per gli sviluppatori, il criterio più utile resta verificare il modello sui propri repository, strumenti e vincoli sui dati, invece di affidarsi a un singolo ranking o a un punteggio diventato virale. Il caso Ox Alpha dimostra il valore dell’analisi delle impronte tecniche, ma ricorda anche di distinguere sempre tra inferenza ad alta probabilità e conferma ufficiale.