Ox Alpha: Anonim yapay zekâ modeli hakkında bildiklerimiz

Açık kaynaklı terminal kodlama ajanı OpenCode da modeli ücretsiz katmanı üzerinden sundu. OpenCode duyurusunda cömert kullanım limitlerinden ve “neredeyse sınırsız kullanımdan” söz edildi; ayrıca günlük 100 trilyon token işleme kapasitesi iddia edildi. Bu rakam, bağımsız olarak denetlenmiş bir aktarım hızı ölçümü değil, operatörün beyanı olarak değerlendirilmelidir.

Dikkat çeken sonuç: DeepSWE’nin küçük bir alt kümesinde yüzde 80

Geliştirici Ben Davis, Ox Alpha’yı DeepSWE yazılım mühendisliği kıyaslamasından seçilen 10 görev üzerinde test etti. Modelin sekiz görevi geçtiği ve yaklaşık yüzde 80 sonuç aldığı bildirildi. Aynı sınırlı karşılaştırmada Claude Fable 5 yüzde 65, GPT-5.6 Sol ise yüzde 52 başarı gösterdi.

Bu sonuç dikkat çekici olsa da Ox Alpha’nın resmî DeepSWE galibi olduğunu söylemek doğru olmaz. DeepSWE v1.1; 91 depodaki, uzun soluklu yazılım mühendisliği problemlerinden oluşan 113 özgün görevi değerlendiriyor. Dolayısıyla 10 görevlik deney, kıyaslamanın yalnızca küçük bir bölümünü kapsıyor.

Karşılaştırmanın önemli sınırlamaları da var:

• Örneklem küçüktü; bu nedenle görev seçimi ve yüksek varyans sonucu ciddi biçimde etkileyebilir.
• Modeller aynı sayıda deneme veya yeniden çalıştırma kullanmamış olabilir.
• Ox Alpha, resmî liderlik tablosu protokolüyle değerlendirilmedi ve kamuya açık tabloya eklenmedi.
• Tek bir araştırmacının seçtiği görevlerden elde edilen oran, standart koşullarda tüm kıyaslama üzerinde alınan sonuçla doğrudan karşılaştırılamaz.

O dönemdeki kamuya açık liderlik tablosu görünümünde Claude Opus 5 yüzde 73,6 ile ilk sırada, GPT-5.6 Sol yüzde 72,7 ile ikinci, Claude Fable 5 ise yüzde 69,7 ile üçüncü sıradaydı. Bu nedenle en temkinli sonuç şu: Ox Alpha, Davis’in 10 görevlik deneyinde oldukça güçlü göründü; fakat bunun onu genel amaçlı en iyi kodlama modeli yaptığı kanıtlanmış değil.

Neden Zhipu AI’den şüpheleniliyor?

En güçlü ilişkilendirme teorisi, Ox Alpha’yı Zhipu AI’ye (Z.ai) ve şirketin GLM model ailesine bağlıyor. Bu görüş, şirketin yaptığı bir açıklamaya değil, model davranışlarının teknik olarak incelenmesine dayanıyor.

Bildirilen testlerden birinde Ox Alpha’nın tokenizasyon davranışı, 25 farklı komut üzerinden GLM-5.3 ile karşılaştırıldı. Sabit 75 tokenlık bir sarmalayıcı farkı hesaba katıldığında, temel token sayılarının eşleştiği aktarıldı. Ayrı video testlerinde de kare örnekleme, süre ölçeklendirmesi ve çözünürlüğün işlenmesi dahil olmak üzere görsel token davranışında benzerlikler bulunduğu bildirildi.

Yanıt üslubu, API davranışı ve modelin ses girdisini ele alma biçimi de benzerlikler arasında gösteriliyor. Bu ipuçlarından herhangi biri tek başına ortak bir sarmalayıcı, altyapı veya taklit yoluyla açıklanabilir. Ancak analistler, birkaç farklı davranışsal işaretin birlikte değerlendirilmesinin Zhipu’nun birleşik çok modlu GLM ailesiyle daha uyumlu bir tablo oluşturduğunu savunuyor.

Zhipu’nun daha önce Pony Alpha gibi anonim veya “stealth” tarzı sürümleri test etmiş olması da bu teoriye dolaylı bir bağlam sağlıyor. Yine de bu durum, Ox Alpha’yı Zhipu’nun geliştirdiğini kanıtlamıyor.

Hangi noktalar hâlâ doğrulanmadı?

Raporların kapsadığı dönemde hiçbir şirket Ox Alpha’nın kendisine ait olduğunu kamuoyu önünde açıklamadı; Zhipu da bu ilişkilendirmeyi doğrulamadı. Bazı yorumlarda belirli GLM varyantlarının adı geçse de mevcut kanıtlar Ox Alpha’nın yayımlanmamış bir model mi, üretim varyantı mı, ince ayar uygulanmış bir sistem mi, yoksa benzer altyapı kullanan bağımsız bir model mi olduğunu ortaya koymuyor.

Bu nedenle savunulabilir tanım şu: Ox Alpha büyük olasılıkla GLM kökenli ve Zhipu ile bağlantılı olabilir; ancak geliştiricisi ve modelin kesin kimliği doğrulanmış değil. Bireysel analistlerin paylaştığı güven yüzdeleri de resmî kimlik tespiti olarak değerlendirilmemeli.

Gizlilikte kritik ayrım: Veri saklama kimin sorumluluğunda?

Ox Alpha’nın gizlilik ifadeleri, modeli denemek isteyen geliştiriciler açısından en önemli pratik ayrıntılardan biri. OpenRouter’daki model sayfasında, istemlerin ve yanıtların altta yatan sağlayıcı tarafından saklandığı; ancak eğitim amacıyla kullanılmadığı belirtiliyor.

Bu açıklama, OpenRouter’ın genel veri toplama politikasından farklı. OpenRouter, kullanıcılar girdi-çıktı kaydını etkinleştirmediği sürece istemleri veya yanıtları kendisinin saklamadığını söylüyor. Ayrıca sağlayıcıların kendi veri saklama politikalarının ayrı olduğunu belirtiyor.

OpenCode ise Ox Alpha’yı “sıfır veri saklama” ifadesiyle tanıttı. Bu vaat OpenCode’un istekleri kendi sistemlerinde nasıl işlediğini anlatıyor olabilir; ancak OpenRouter üzerinden yönlendirilen istekte model sağlayıcısının saklama politikasını otomatik olarak geçersiz kılmaz. Başka bir deyişle, “OpenCode veriyi saklamıyor” ve “model sağlayıcısı istemleri ve yanıtları saklıyor” ifadeleri aynı isteğin farklı aşamalarını açıklıyor olabilir.

Sağlayıcılar tek ve sözleşmeyle açıkça tanımlanmış bir veri işleme politikası yayımlayana kadar, ihtiyatlı yaklaşım model sağlayıcısının gönderilen içeriği saklayabileceğini varsaymaktır. Geliştiriciler; hizmet ücretsiz olduğu veya istemlerin eğitimde kullanılmadığı söylendiği için özel kaynak kodlarını, kimlik bilgilerini, kişisel verileri ya da düzenlemeye tabi bilgileri bu sisteme göndermemeli.

Sonuç

Ox Alpha’yı dikkat çekici kılan üç unsur vardı: kısa süreli ücretsiz ön izleme, bir milyon tokenı aşan bağlam penceresi ve çok modlu yetenekler ile erken kodlama testindeki yüksek sonuç. Ancak mevcut kanıtlar, kimliği bilinmeyen bir laboratuvarın yerleşik öncü modelleri kesin biçimde geride bıraktığını söylemek için yeterli değil.

DeepSWE’deki yüzde 80’lik sonuç, 113 görevlik tam kıyaslamadan değil, 10 görevden sekizinin tamamlanmasından geldi. Kamuya açık liderlik tablosunda Claude Opus 5 hâlâ öndeydi ve Ox Alpha resmî değerlendirme sürecinden geçmemişti.

Teknik parmak izleri, Zhipu/GLM bağlantısını en güçlü açıklama hâline getiriyor; fakat yazarlığı doğrulayan bir kamu açıklaması yok. Ox Alpha, denemek ve incelemek için ilginç bir modeldi. Buna karşılık anonim sahipliği, sağlayıcı düzeyindeki veri saklama politikası ve çözülemeyen model kimliği nedeniyle üretim sistemlerinde veya hassas kodlarla kullanılırken temkinli olunması gerekiyor.