Ox Alpha란? 100만 토큰 컨텍스트를 내세운 익명 AI 모델의 정체

OpenRouter에 2026년 8월 20일 등장한 stealth/ox-alpha는 개발사를 공개하지 않은 익명 추론 모델이다. OpenRouter는 이 모델을 효율적인 코딩, 장시간 이어지는 에이전트 작업, 실제 운영 환경을 위한 모델로 소개했지만, 제공업체는 ‘Stealth’로만 표시했다. 개발사는 프리뷰 기간 동안 익명으로 남겠다고 밝혔고, 2026년 8월 21일 보도 시점까지 모델을 공개적으로 인정한 기업은 없었다. 72141

무료 사용, 멀티모달 입력, 이례적으로 큰 컨텍스트 창이 한꺼번에 공개되면서 개발자들의 관심이 빠르게 커졌다. 초기 코딩 테스트 결과도 눈길을 끌었지만, 현재까지의 근거만으로 Ox Alpha를 전반적인 최상위 모델이라고 단정하기는 어렵다.

공개된 사양은 무엇인가

Ox Alpha는 약 일주일간 진행되는 초기 프리뷰에서 무료로 제공됐다. 컨텍스트 창은 1,048,576토큰, 최대 출력 길이는 131,072토큰으로 표시됐다. 텍스트뿐 아니라 이미지와 영상을 입력할 수 있으며, 코딩과 장시간 실행되는 에이전트 워크플로를 주요 용도로 내세웠다. 2122

항목	공개된 내용
모델 ID	stealth/ox-alpha
제공업체	익명의 ‘Stealth’ 제공업체
공개일	2026년 8월 20일
프리뷰 가격	프리뷰 기간 무료
컨텍스트 창	1,048,576토큰
최대 출력	131,072토큰
입력 형식	텍스트·이미지·영상
주요 용도	코딩, 지속형 에이전트 작업, 운영 환경

이 정도 규모의 컨텍스트 창은 전체 코드 저장소를 한 번에 다루거나, 긴 기술 문서를 분석하거나, 이전 작업 내용을 오래 유지해야 하는 에이전트 세션에서 유용할 수 있다. 다만 컨텍스트를 많이 담을 수 있다는 사실만으로, 그 안의 모든 정보를 끝까지 안정적으로 추론한다는 뜻은 아니다. 컨텍스트 용량과 실제 성능은 별개의 지표다.

DeepSWE에서 약 80%…하지만 표본은 10개뿐

가장 큰 관심을 불러온 수치는 독립적으로 진행된 DeepSWE 10개 과제 테스트에서 나왔다. 해당 테스트에서 Ox Alpha는 약 **80%**를 기록했으며, Claude Fable 5는 65%, GPT-5.6 Sol은 **52%**였다. 611

이 수치는 실제 코드베이스를 읽고 소프트웨어 공학 문제를 해결하는 작업에서 Ox Alpha가 강한 모습을 보였다는 초기 신호로 볼 수 있다. 그러나 다음과 같은 한계가 있다.

• 전체 벤치마크가 아니라 113개 과제 중 10개만 테스트했다.
• 공식 모델 제출이 아닌 개인 연구자의 독립 평가였다.
• Ox Alpha의 결과는 공식 DeepSWE 리더보드에서 검증되지 않았다.
• 표본이 작아 과제 선택, 프롬프트, 모델 설정, ‘거의 정답’ 판정에 따라 결과가 크게 달라질 수 있다.

보도에서도 Ox Alpha가 공식 DeepSWE 리더보드에 아직 추가되지 않았다는 점을 명시했다. 12 따라서 가장 신중한 해석은 ‘특정 테스터의 환경에서 강력한 초기 성과를 보였다’는 정도다. 이를 근거로 모든 코딩 모델을 확실히 앞섰다고 보기는 어렵다.

OpenCode와 OpenRouter의 개인정보 정책은 달랐다

Ox Alpha는 OpenCode를 통해서도 배포됐다. OpenCode의 프리뷰 안내는 **제로 데이터 보존(zero data retention)**을 내세웠고, 제공업체가 고객 데이터를 학습에 사용하지 않는다고 설명했다. 4549

반면 OpenRouter의 모델 목록에는 다른 표현이 사용됐다. 프롬프트와 응답이 제공업체에 의해 보관되지만 학습에는 사용되지 않는다고 안내했다. 4354 두 문구는 같은 의미로 볼 수 없다. ‘학습에 사용하지 않는다’는 말이 ‘보관하지 않는다’는 뜻은 아니며, 제로 데이터 보존은 저장 여부에 관해 더 강한 주장이다.

개발자가 기억해야 할 점은 어떤 경로로 모델에 접속하는지도 개인정보 판단의 일부라는 것이다. OpenCode에 표시된 정책이 OpenRouter나 다른 중개 서비스를 통한 접속에도 자동으로 적용된다고 가정해서는 안 된다. 익명 운영자의 신원, 보존 기간, 프리뷰 종료 후 조건이 명확해질 때까지는 민감한 소스 코드, 인증정보, 사내 문서, 비밀키를 테스트 프롬프트에 넣지 않는 편이 안전하다. 3248

왜 Zhipu AI·Z.ai라는 추측이 나왔나

커뮤니티 연구자들은 모델의 행동과 기술적 ‘지문’을 비교하며 Ox Alpha의 출처를 추적했다. 보고된 단서에는 토크나이저 동작, 토큰 수, 영상 인코더의 특성, 응답 스타일, 입력 처리 방식 등이 포함됐다. 여러 분석은 이러한 특징이 Zhipu AI, 즉 Z.ai의 GLM 계열과 유사하다고 봤으며, 공개되지 않은 멀티모달 GLM-5.x 변형 모델이라는 추측으로 이어졌다. 1425

다만 이는 어디까지나 정황 증거에 기반한 귀속이다. 다른 분석에서는 추정된 서비스 규모가 해당 가설과 깔끔하게 들어맞지 않는다는 지적도 나왔다. Zhipu AI가 Ox Alpha를 개발했거나 운영했다는 공식 발표도 없었다. 14

이 차이는 중요하다. 토큰화 방식이나 영상 처리 동작이 특정 모델과 비슷하다는 사실은 공통 구성요소, 연관된 모델 계열, 또는 유사한 서비스 설정을 시사할 수 있다. 하지만 그것이 곧 해당 기업의 공식 확인을 의미하지는 않는다. 특정 GLM 버전이라고 거의 확정적으로 단정한 일부 주장은 현재 공개적으로 검증된 사실보다 앞서 나간 해석이다.

샤오미 MiMo도 대안으로 거론됐다

일부 커뮤니티에서는 샤오미의 MiMo 계열을 또 다른 후보로 제시했다. MiMo 역시 멀티모달 기능과 코딩 중심 개발로 알려진 모델 계열이라는 점에서 큰 틀의 추측은 가능했지만, 제공된 자료만으로 Ox Alpha와의 연결을 입증할 수는 없다. 1

따라서 해당 시점에서 가장 정확한 표현은 다음과 같다. Zhipu AI·Z.ai의 GLM 계열이 가장 유력한 가설이고, 샤오미 MiMo는 대안 이론이며, 실제 개발사는 여전히 미상이다.

이전 ‘미스터리 모델’ 프리뷰와 닮은 출시 방식

Ox Alpha의 공개 방식은 중국 AI 연구소와 관련해 앞서 언급됐던 익명 모델 테스트와도 닮았다. 자주 비교된 사례는 Pony Alpha다. Pony Alpha는 과거 익명으로 공개된 뒤 보도에서 Zhipu의 GLM-5와 연결됐던 모델이다. 1454

유사점은 출시 전략에 있다. 고성능으로 보이는 모델이 임시 이름이나 익명 제공업체 아래 등장하고, 개발자들이 대규모로 사용하며, 운영자는 공개 브랜드를 붙이기 전에 실제 환경의 피드백을 얻는 방식이다. 이 같은 패턴은 Ox Alpha의 공개 의도를 설명하는 데 도움이 될 수 있지만, 두 모델의 소유자·구조·학습 계보가 같다는 증거는 아니다.

결론: 흥미로운 실험이지, 검증된 표준은 아니다

Ox Alpha는 약 일주일간 무료로 제공된 이례적으로 개방적인 공개 프리뷰였다. 1,048,576토큰 컨텍스트 창, 131,072토큰 최대 출력, 텍스트·이미지·영상 입력을 지원했고, 초기 DeepSWE 테스트에서는 약 80%라는 인상적인 결과가 보고됐다. 그러나 그 결과는 10개 과제에 기반했으며 공식 리더보드 점수가 아니다.

개발사로는 아직 공개되지 않은 Zhipu AI·Z.ai의 GLM 계열이 가장 강하게 거론됐고, 샤오미 MiMo가 대안으로 남았다. 개인정보 처리 역시 접속 경로에 따라 달랐다. OpenCode는 제로 데이터 보존을 내세운 반면, OpenRouter 관련 안내는 제공업체가 데이터를 보관하지만 학습에는 사용하지 않는다고 설명했다.

운영자가 신원을 밝히고 지속 가능한 데이터 처리 약관과 더 폭넓은 평가 결과를 공개하기 전까지 Ox Alpha는 민감하지 않은 자료를 안전한 환경에서 제한적으로 시험해 볼 만한 모델로 보는 것이 적절하다. 검증된 프로덕션 표준으로 받아들이기에는 아직 확인되지 않은 부분이 많다.