Ox Alpha оказалась GLM-5.3-Flash: что показала анонимная модель — и чего не доказали бенчмарки

Ox Alpha была не новым загадочным ИИ-стартапом, а анонимной предварительной версией GLM-5.3-Flash из линейки Z.ai. Модель появилась 20 августа 2026 года на OpenRouter и OpenCode под именем провайдера «Stealth». Ей приписывали контекстное окно на 1 048 576 токенов, поддержку текста, изображений и видео, вызов инструментов и нулевую цену за токены на период тестирования. Позднее Z.ai подтвердила, что до официального релиза тестировала GLM-5.3-Flash анонимно под идентификатором ox-alpha. 110

Эта история стала показательным примером того, как удачное сочетание дистрибуции, щедрого бесплатного доступа и возможностей для ИИ-агентов может превратить модель в технологическую сенсацию ещё до публикации полноценной документации и официальных бенчмарков.

Что предлагала Ox Alpha

Анонимная модель позиционировалась как система рассуждений для программирования, длительной агентной работы и производственных нагрузок. Для бесплатного превью её характеристики выглядели необычно масштабными:

• Идентификатор: stealth/ox-alpha;
• контекстное окно: 1 048 576 токенов;
• максимальный объём ответа: 131 072 токена;
• входные данные: текст, изображения и видео;
• возможности: рассуждения, нативный вызов инструментов и структурированный вывод;
• цена на время превью: 0 долларов за входные и выходные токены.

OpenRouter и OpenCode по-разному описывали продолжительность бесплатного доступа. OpenRouter указывала более короткий срок для своего маршрута, а OpenCode обещала примерно неделю с 20 августа. Поэтому ориентировочная граница для бесплатных вариантов приходилась на 24–27 августа, а не на одну общую дату для всех пользователей. 2412

Большое контекстное окно само по себе не делает модель умнее. Но оно расширяет круг задач, которые можно выполнять за один сеанс. Агент для программирования способен удерживать в контексте больше файлов репозитория, результатов вызова инструментов, журналов и визуальной информации, не пересказывая их постоянно заново. Поддержка видео также сделала Ox Alpha интересной для тестирования интерфейсов и других сценариев, выходящих за рамки текстовой генерации кода. 343

Почему разработчики так быстро обратили на неё внимание

Главное преимущество Ox Alpha было не в загадочном происхождении, а в практической доступности. Разработчики получили возможность бесплатно проверять модель с контекстом на миллион токенов, мультимодальным вводом и инструментами при относительно щедрых лимитах. Это снизило порог для экспериментов с исправлением ошибок в репозиториях, браузерным взаимодействием и продолжительными инженерными задачами.

Популярность модели росла практически сразу. На OpenCode она ненадолго прервала 56-дневную серию DeepSeek на вершине рейтинга, а сообщения о спросе указывали на необычный однодневный скачок использования. При этом распространявшиеся во время запуска заявления о гигантской пропускной способности и объёмах обработанных токенов не были полностью независимо проверены. Их разумнее считать свидетельством высокого интереса, а не точным измерением производственного масштаба. 114

Это важная оговорка: популярность бесплатной модели отражает одновременно её возможности, новизну, цену и доступность. Сам по себе всплеск использования не доказывает, что система в целом сильнее всех конкурентов.

Что на самом деле показал DeepSWE

Самым вирусным стал результат 80% в DeepSWE — восемь успешно решённых задач из десяти. Это обнадёживающий сигнал, однако выборка из 10 задач слишком мала для устойчивого места в рейтинге. В более крупном прогоне сообщалось примерно о 63%, а позднее Z.ai указала для GLM-5.3-Flash официальный результат 63,4% в DeepSWE v1.1. 7634

Другие полные оценки дали более низкий показатель — в частности, сообщалось о 58,4% на 113 задачах. В этой проверке значительная доля неудач была связана с форматом ответа и особенностями реализации. Это показывает, насколько агентные бенчмарки зависят от конфигурации тестового контура, набора инструментов, ограничений по времени и критериев успеха. 4142

Поэтому наиболее аккуратный вывод звучит уже не так громко, как первый заголовок: Ox Alpha продемонстрировала сильные способности в задачах для программирующих агентов и в отдельных проверках приблизилась к ведущим закрытым моделям. Но имеющиеся данные не доказывают, что она стабильно превосходила Claude Fable 5 или любую другую передовую систему.

Откуда взялись противоречивые сравнения с Claude

Разные оценки использовали разные подмножества задач, агентные оболочки и условия запуска. Тест на 10 задачах вполне мог дать 80%, не будучи репрезентативным для всего набора. Прогон на полном бенчмарке с результатом около 63% уже описывает другую картину, а показатель 58,4% мог дополнительно учитывать ошибки формата и поведения тестовой оболочки.

Позднее представители команды DeepSWE, как сообщалось, оценили общий уровень модели как примерно сопоставимый с Claude Opus 4.8, а не как убедительное доказательство превосходства над Claude Fable 5. 35 Поэтому показатели DeepSWE следует приводить вместе с описанием их масштаба и условий, а не складывать в один безоговорочный рейтинг.

Почему модель хвалили известные разработчики

Положительные отзывы хорошо соответствовали рабочему профилю Ox Alpha. Патрик Коллисон назвал модель «очень впечатляющей» после использования через агентную оболочку, а основатель HermesAgent заявил, что она превысила несколько внутренних критериев оценки команды. 3335

Такие отзывы важны как свидетельства практической пользы в конкретных рабочих процессах — прежде всего в программировании и агентных сценариях. Но они не равнозначны контролируемому межбенчмарковому выводу о безусловном превосходстве.

Модель может особенно хорошо подходить для определённого процесса благодаря длине контекста, поведению при вызове инструментов, скорости, поддержке разных модальностей или низкой стоимости, даже если её итоговое положение в сводных рейтингах остаётся неопределённым.

Как сообщество вычисляло создателя модели

До официального раскрытия исследователи сопоставляли наблюдаемое поведение Ox Alpha с возможными системами Xiaomi MiMo, Google DeepMind и Zhipu AI.

Версия с Xiaomi и MiMo

Xiaomi казалась возможным кандидатом хотя бы потому, что команда MiMo ранее уже проводила анонимное тестирование модели Hunter Alpha. Однако затем разработчики обратили внимание на несоответствие возможностей: модели MiMo связывали с поддержкой аудио, тогда как Ox Alpha принимала текст, изображения и видео, но не аудио. Это сделало Xiaomi интересной гипотезой, но не убедительной атрибуцией. 2229

Гипотеза Google DeepMind

Дополнительные догадки породили намёки и публикации, связанные с Google. Но доступные признаки не подтверждали, что именно DeepMind создала или обслуживала конечную точку. Они оставались косвенными и не позволяли установить авторство.

«Отпечаток» GLM

Самые сильные признаки до официального объявления указывали на семейство GLM от Zhipu AI. В тестах сообщества количество токенов в Ox Alpha совпадало с поведением GLM-5.3 на разных запросах, за исключением постоянного смещения примерно на 75 токенов — вероятного следа скрытой системной инструкции или маршрутизирующей оболочки. Отдельные проверки видео показали совпадение с визуальными моделями GLM по нескольким характеристикам кодирования. 1821

Также сообщалось о следующих признаках:

• ошибке reasoning_effort, похожей на ответ API GLM;
• появлении китайских подсказок в некоторых ошибках разбора изображений;
• поведении токенизации видео, соответствующем мультимодальным моделям Zhipu;
• названии, которое некоторые наблюдатели связали с прежней терминологией Zhipu — «Pony Alpha». 212629

Каждый из этих признаков по отдельности мог быть следствием маршрутизации, общей инфраструктуры, особенностей оболочки или имитации. Вместе они сделали версию о GLM всё более убедительной, но не заменяли официального заявления. Решающее подтверждение появилось, когда Z.ai назвала Ox Alpha моделью GLM-5.3-Flash и опубликовала документацию о релизе. 1043

Что изменилось после раскрытия

После объявления Ox Alpha перестала быть загадкой об авторстве и превратилась в публичное превью продукта. Согласно документации Z.ai, GLM-5.3-Flash — гибридная модель с 320 млрд параметров всего и 18 млрд активных параметров, оснащённая нативными визуальными возможностями. Она может наблюдать интерфейсы, анализировать результат рендеринга и учитывать обратную связь от взаимодействия, создавая замкнутый цикл между кодом, браузером и графическим интерфейсом. 43

Именованный релиз также устранил главный недостаток анонимной конечной точки — неопределённость относительно её дальнейшей судьбы. GLM-5.3-Flash была представлена под лицензией MIT, а веса стали доступны разработчикам, которым нужен больший контроль над размещением и эксплуатацией модели. 1950

Впрочем, это не означает, что любое развёртывание автоматически будет безопасным или дешёвым. Командам по-прежнему предстоит оценить требования к оборудованию, скорость инференса, условия API, работу с приватными данными, ограничения запросов, надёжность вызова инструментов и стабильность ответов в собственных сценариях.

От чего зависит будущее GLM-5.3-Flash

Бесплатное превью привлекло внимание, но долгосрочное использование определяется более устойчивыми факторами:

1. Экономика. Платный API должен оставаться конкурентоспособным по цене.
2. Надёжность. Разработчикам нужны стабильная доступность сервиса, предсказуемые лимиты и корректные вызовы инструментов.
3. Конфиденциальность. Команды должны понимать, как обрабатываются и хранятся запросы, исходный код и визуальные данные.
4. Воспроизводимость. Независимые оценки должны показать, как модель работает на полных бенчмарках и в реальных приложениях.
5. Свобода развёртывания. Веса под лицензией MIT и возможность самостоятельного запуска снижают зависимость от временного облачного маршрута — если у команды есть необходимые вычислительные ресурсы и компетенции.

Главный урок Ox Alpha не в том, что неизвестная модель якобы на короткое время победила знаменитого конкурента. Он в том, что удачно спроектированный рабочий инструмент способен быстро распространиться, если разработчикам разрешают масштабно и почти без ограничений его тестировать.

История с бенчмарками оказалась сложнее первых заголовков, но сочетание длинного контекста, мультимодальности, инструментов, агентного программирования и низкой стоимости действительно оправдало интерес. Теперь, когда личность модели раскрыта и за ней закреплено имя GLM-5.3-Flash, главный тест впереди: останется ли это сочетание столь же полезным, когда новизна и бесплатный доступ перестанут работать как главные драйверы.