Ox Alpha: anonimowy model AI zachwyca programistów, ale jego twórca wciąż milczy

Ox Alpha (stealth/ox-alpha) to anonimowy model rozumujący, który 20 sierpnia 2026 roku pojawił się w serwisie OpenRouter. Platforma opisała go jako narzędzie do wydajnego programowania, długotrwałej pracy agentów AI i zastosowań produkcyjnych, ale jako dostawcę wskazała jedynie „Stealth”. Twórca modelu zapowiedział, że na etapie podglądu pozostanie anonimowy. Według stanu na 21 sierpnia żadna firma publicznie nie przyznała się do jego stworzenia. 72141

Połączenie bezpłatnego dostępu, obsługi wielu formatów danych i wyjątkowo dużego okna kontekstowego szybko przyciągnęło uwagę programistów. Pierwsze testy kodowania wypadły bardzo dobrze, ale dostępne dane są wciąż wstępne. Ox Alpha wygląda dziś raczej na obiecujący eksperyment niż na potwierdzonego lidera rynku.

Specyfikacja Ox Alpha

Model był dostępny bez opłat w ramach początkowego podglądu, który miał potrwać około tygodnia. Jego deklarowane okno kontekstowe obejmowało 1 048 576 tokenów, a maksymalna długość odpowiedzi wynosiła 131 072 tokeny. Ox Alpha przyjmował tekst, obrazy i wideo. Został zaprojektowany przede wszystkim z myślą o programowaniu oraz długich, wieloetapowych przepływach pracy z agentami AI. 2122

Parametr	Deklarowana wartość
Identyfikator modelu	stealth/ox-alpha
Dostawca	Anonimowy dostawca „Stealth”
Data udostępnienia	20 sierpnia 2026 roku
Cena w podglądzie	Bezpłatnie
Okno kontekstowe	1 048 576 tokenów
Maksymalna długość odpowiedzi	131 072 tokeny
Obsługiwane dane wejściowe	Tekst, obrazy i wideo
Przewidywane zastosowania	Programowanie, długotrwała praca agentów i środowiska produkcyjne

Tak duże okno kontekstowe może być przydatne przy analizowaniu całych repozytoriów, obszernych dokumentów czy wielogodzinnych sesji z agentem. Nie oznacza jednak automatycznie, że model niezawodnie rozumie wszystko, co zostanie umieszczone w kontekście. Pojemność kontekstu i praktyczna jakość rozumowania to dwie różne miary.

Wynik DeepSWE zrobił wrażenie, ale nie rozstrzyga sprawy

Najwięcej emocji wywołał niezależny test obejmujący 10 zadań DeepSWE. Ox Alpha uzyskał w nim około 80 proc., podczas gdy Claude Fable 5 osiągnął 65 proc., a GPT-5.6 Sol — 52 proc. 611

Wyniki sugerują, że w konfiguracji użytej przez testera Ox Alpha radził sobie bardzo dobrze z zadaniami inżynierii oprogramowania, obejmującymi pracę na rzeczywistych bazach kodu i przygotowywanie poprawek. Nie pozwalają jednak stworzyć ostatecznego rankingu z kilku powodów:

• test obejmował tylko 10 zadań z większego benchmarku;
• była to niezależna ewaluacja, a nie oficjalne zgłoszenie producenta;
• wyniku nie zweryfikowano na oficjalnej tablicy DeepSWE;
• mała próba jest podatna na dobór zadań, sposób formułowania poleceń, ustawienia modelu i ocenę odpowiedzi bliskich poprawności.

W relacjach wyraźnie zaznaczano, że Ox Alpha nie został dodany do oficjalnego rankingu DeepSWE. 12 Najuczciwszy wniosek brzmi więc: model dał mocny wczesny sygnał w jednym teście, ale nie udowodnił, że trwale wyprzedza wszystkie konkurencyjne systemy do programowania.

OpenCode i OpenRouter inaczej opisywały kwestię prywatności

Ox Alpha był również dystrybuowany przez OpenCode. W komunikatach dotyczących wersji podglądowej OpenCode reklamował brak przechowywania danych i deklarował, że dostawca nie będzie wykorzystywał danych klientów do trenowania modeli. 4549

Opis w OpenRouter używał innego sformułowania: wynikało z niego, że dostawca przechowuje prompty i odpowiedzi, ale nie wykorzystuje ich do treningu. 4354 Tych deklaracji nie należy traktować jako równoważnych. „Dane nie są używane do treningu” nie musi oznaczać „dane nie są przechowywane”, a „zero data retention” jest mocniejszą obietnicą dotyczącą retencji.

Dla programistów praktyczna zasada jest prosta: sposób dostępu do modelu jest częścią decyzji o prywatności. Polityki reklamowane przez OpenCode nie powinny być automatycznie przypisywane dostępowi przez OpenRouter ani innemu pośrednikowi. Dopóki operator pozostaje anonimowy, warunki retencji są niejasne, a zasady po zakończeniu podglądu nie zostały opublikowane, do promptów nie należy wklejać wrażliwego kodu, danych uwierzytelniających, poufnych dokumentów ani sekretów. 3248

Dlaczego podejrzewano Zhipu AI i Z.ai?

Społeczność próbowała ustalić pochodzenie Ox Alpha na podstawie technicznych i behawioralnych „odcisków palca”. Analizy wskazywały na podobieństwa w działaniu tokenizera, liczbie tokenów, zachowaniu enkodera wideo, stylu odpowiedzi i sposobie obsługi niektórych rodzajów danych. Część badaczy łączyła te sygnały z firmą Zhipu AI, znaną również jako Z.ai, oraz jej rodziną modeli GLM. Spekulacje dotyczyły między innymi niewydanej multimodalnej wersji GLM-5.x. 1425

Była to jednak hipoteza oparta na poszlakach. Inne doniesienia wskazywały, że deklarowana skala infrastruktury potrzebnej do obsługi modelu nie pasowała idealnie do tego wyjaśnienia. Zhipu AI nie potwierdziło oficjalnie, że zbudowało lub obsługuje Ox Alpha. 14

To rozróżnienie ma znaczenie. Techniczny „odcisk palca” może sugerować wspólne komponenty, pokrewną rodzinę modeli albo podobną konfigurację serwerową, ale nie jest tym samym co komunikat producenta. Twierdzenia przypisujące Ox Alpha z niemal całkowitą pewnością konkretnej wersji GLM wykraczały poza to, co zostało niezależnie potwierdzone.

Xiaomi MiMo jako alternatywna teoria

W dyskusjach społeczności pojawiała się również rodzina MiMo firmy Xiaomi. Hipoteza była ogólnie plausybilna, ponieważ MiMo kojarzy się z rozwojem modeli multimodalnych i narzędzi ukierunkowanych na programowanie. Dostępne materiały nie potwierdzały jednak tego powiązania. 1

Na opisanym etapie najbardziej precyzyjne podsumowanie brzmiało więc: rodzina GLM firmy Zhipu AI/Z.ai była główną hipotezą, Xiaomi MiMo stanowiło alternatywną teorię, a rzeczywisty twórca Ox Alpha pozostawał nieznany.

Schemat znany z wcześniejszych anonimowych premier

Sposób debiutu Ox Alpha przypominał wcześniejsze anonimowe testy modeli kojarzone przez społeczność z chińskimi laboratoriami AI. Jednym z często przywoływanych przykładów był Pony Alpha — wcześniejszy anonimowy model, którego pochodzenie media łączyły z GLM-5 firmy Zhipu, zanim został publicznie zidentyfikowany. 1454

Wspólny był przede wszystkim schemat: wydajny endpoint pojawia się pod tymczasową lub anonimową nazwą, programiści zaczynają go masowo testować, a operator może zbierać informacje z rzeczywistego użycia, zanim przypisze modelowi publiczną markę. Taki wzorzec może tłumaczyć strategię stojącą za Ox Alpha, ale nie dowodzi wspólnego właściciela, architektury ani pochodzenia danych treningowych.

Podsumowanie

Ox Alpha był rzeczywistym i wyjątkowo hojnym publicznym podglądem: oferował mniej więcej tydzień bezpłatnego dostępu, okno kontekstowe o długości 1 048 576 tokenów, odpowiedzi do 131 072 tokenów oraz wejście tekstowe, obrazowe i wideo. Wczesny wynik około 80 proc. w DeepSWE był znaczący, ale pochodził zaledwie z 10 zadań i nie był oficjalnym wynikiem tablicy rankingowej.

Najsilniejsza teoria dotycząca pochodzenia łączyła model z niewydanym systemem z rodziny GLM firmy Zhipu AI/Z.ai. Xiaomi MiMo pozostawało możliwą, lecz niepotwierdzoną alternatywą. Również ocena prywatności zależała od kanału dostępu: OpenCode deklarował brak retencji, podczas gdy materiały dotyczące OpenRouter mówiły o przechowywaniu danych przez dostawcę bez wykorzystywania ich do treningu.

Dopóki operator się nie ujawni, nie opublikuje trwałych warunków korzystania i nie przedstawi szerszych, powtarzalnych testów, Ox Alpha najlepiej traktować jako interesujące narzędzie do kontrolowanych eksperymentów na niesensytywnych danych — a nie jako sprawdzony standard produkcyjny.