Ox Alpha aslında GLM-5.3-Flash’ti: Anonim yapay zekâ modeli neyi doğru yaptı, testler neyi göstermedi?

Ox Alpha neydi?

Ox Alpha, kısa süreliğine anonim olarak sunulan bir yapay zekâ modeliydi. Model, 20 Ağustos 2026’da OpenRouter ve OpenCode üzerinde “Stealth” sağlayıcı adıyla ortaya çıktı. 1.048.576 tokenlık bağlam penceresi, metin-görüntü-video girişi, yerel araç çağırma, yapılandırılmış çıktı ve ücretsiz erişim gibi özellikleriyle dikkat çekti. Z.ai daha sonra modelin, piyasaya sürülmeden önce ox-alpha adıyla anonim biçimde test edilen GLM-5.3-Flash olduğunu açıkladı. 110

Bu olay, bir yapay zekâ modelinin geleneksel model kartı veya kapsamlı resmî benchmark sonuçları yayımlanmadan da nasıl geniş bir kullanıcı kitlesine ulaşabileceğini gösterdi. Buradaki formül basitti: uzun bağlam, çok modlu kullanım, ajan odaklı yetenekler ve deneme süresince sıfır token maliyeti.

Modelin öne çıkan özellikleri

Anonim listeleme, Ox Alpha’yı kodlama, uzun soluklu ajan görevleri ve üretim iş yükleri için tasarlanmış bir akıl yürütme modeli olarak konumlandırıyordu.

• Model kimliği: stealth/ox-alpha
• Bağlam penceresi: 1.048.576 token
• Maksimum çıktı: 131.072 token
• Girdi türleri: Metin, görüntü ve video
• Yetenekler: Akıl yürütme, yerel araç çağırma ve yapılandırılmış çıktı
• Önizleme fiyatı: Girdi ve çıktı tokenları için 0 dolar

Ücretsiz erişimin sona ereceği tarih iki platformda aynı şekilde açıklanmadı. OpenRouter, kendi rotası için daha kısa bir süre belirtirken OpenCode, 20 Ağustos’tan itibaren yaklaşık bir haftalık erişimden söz etti. Bu nedenle ücretsiz rotaların kapanışı için 24–27 Ağustos aralığı makul bir sınır olarak ortaya çıktı; tek ve evrensel bir bitiş tarihi açıklanmadı. 2412

Bir milyon tokenlık bağlam penceresi tek başına bir modeli daha iyi yapmaz. Ancak geliştiricilerin deneyebileceği iş akışlarını değiştirir. Kodlama ajanları, bir oturum içinde daha büyük bir kod deposunu, araç çıktılarını, hata günlüklerini ve görsel bağlamı koruyabilir. Böylece her adımda bilgiyi özetleme veya önceki verileri silme ihtiyacı azalır. Video girişi de modeli, yalnızca kod üretiminin ötesinde arayüz testleri ve görsel yazılım mühendisliği görevleri için ilginç hâle getirdi. 343

Neden bu kadar hızlı yayıldı?

Ox Alpha’nın ilk cazibesi yalnızca teorik değildi. Geliştiriciler, uzun bağlamlı ve çok modlu bir kodlama modelini araç erişimiyle birlikte herhangi bir token ücreti ödemeden deneyebiliyordu. Bu durum özellikle depo onarımı, tarayıcı etkileşimi ve uzun süre devam eden yazılım geliştirme görevlerini test eden ajan geliştiricilerinin önündeki maliyet engelini düşürdü.

Modelin görünürlüğü de kısa sürede arttı. Ox Alpha, OpenCode sıralamasında DeepSeek’in 56 günlük liderlik serisini kısa süreliğine sona erdirdi. Lansman sırasında olağanüstü tek günlük talep artışları ve çok yüksek kullanım rakamları da paylaşıldı. Ancak kapasite ve token hacmiyle ilgili iddiaların tamamı bağımsız biçimde denetlenmiş değildi. Bu nedenle bu rakamlar, üretim ölçeğinin kesin ölçümleri olarak değil, yoğun ilgiyi gösteren işaretler olarak okunmalı. 114

Bu ayrım önemli: Ücretsiz bir deneme dönemindeki popülerlik; modelin yeteneği, yeniliği, fiyatı ve erişilebilirliğinin toplamını ölçer. Tek başına modelin genel olarak en güçlü sistem olduğunu kanıtlamaz.

DeepSWE sonuçları umut vericiydi ama kesin değildi

En çok paylaşılan ilk iddia, 10 görevden 8’inin başarıyla tamamlanmasına dayanan yüzde 80’lik DeepSWE sonucu oldu. Bu, olumlu bir sinyaldi; ancak 10 görevlik örnek, istikrarlı bir sıralama oluşturmak için fazlasıyla küçüktü. Daha geniş bir değerlendirmede sonuç yaklaşık yüzde 63 olarak raporlandı. Z.ai’nin GLM-5.3-Flash için açıkladığı resmî rakam ise DeepSWE v1.1’de yüzde 63,4 oldu. 7634

Başka bir tam kapsamlı çalışmada ise 113 görev üzerinden yüzde 58,4 sonuç bildirildi. Bu değerlendirme, başarısızlıkların önemli bir bölümünü çıktı formatı ve uygulama sorunlarına bağladı. Bu durum, yapay zekâ ajanı benchmark’larının test düzeneğine, araç erişimine, zaman sınırlarına ve başarı ölçütlerine ne kadar duyarlı olduğunu gösteriyor. 4142

Dolayısıyla en temkinli sonuç şu: Ox Alpha, bazı değerlendirmelerde önde gelen kapalı modellere yaklaşan güçlü bir kodlama ajanı performansı gösterdi. Fakat mevcut kanıtlar, Claude Fable 5’i veya diğer tüm öncü modelleri tutarlı biçimde geride bıraktığını kanıtlamıyor.

Claude karşılaştırmalarındaki çelişki nereden kaynaklandı?

Karşılaştırmalarda aynı görev kümeleri, aynı ajan altyapıları veya aynı değerlendirme koşulları kullanılmadı. 10 görevlik erken bir örneklemde yüzde 80 sonuç alınabilir; bu sonuç, benchmark’ın tamamını temsil etmeyebilir. Yaklaşık yüzde 63’lük daha geniş bir çalışma farklı bir tablo sunarken, yüzde 58,4’lük sonuç format ve test altyapısı cezalarını da hesaba katabiliyordu.

DeepSWE ekibinin daha sonra modelin genel yeteneklerini Claude Opus 4.8’e kabaca denk gördüğü, bunun Claude Fable 5’i kesin biçimde geçtiğine dair kanıt olmadığı bildirildi. 35 Bu nedenle benchmark sonuçları, tek ve temiz bir sıralamadaki birbirinin yerine geçebilen puanlar gibi değil; görev kapsamı ve test düzeniyle birlikte sunulmalı.

Geliştiriciler neden bu kadar olumlu konuştu?

Öne çıkan kullanıcıların heyecanı, modelin iş akışına dönük profilini yansıtıyordu. Patrick Collison, bir ajan altyapısı üzerinden kullandıktan sonra Ox Alpha’yı “çok etkileyici” olarak nitelendirdi. HermesAgent’in kurucusu da modelin ekip içi değerlendirmelerinin birkaç standardını aştığını söyledi. 3335

Bu yorumlar, özellikle kodlama ve ajan görevlerindeki pratik faydaya ilişkin değerli kullanıcı deneyimleri sunuyor. Ancak bunlar, modelin tüm benchmark’larda kontrollü biçimde rakiplerinden üstün olduğunu gösteren sonuçlarla aynı şey değil.

Bir model; bağlam uzunluğu, araç çağırma davranışı, hızı, çoklu ortam desteği veya düşük maliyeti sayesinde belirli bir iş akışında son derece kullanışlı olabilir. Bu durum, genel benchmark sıralamasındaki yerinin kesinleştiği anlamına gelmez.

Topluluk modelin kimliğini nasıl izledi?

Z.ai açıklamasından önce araştırmacılar, Ox Alpha’nın gözlemlenebilir davranışlarını Xiaomi’nin MiMo ekibi, Google DeepMind ve Zhipu AI’ın GLM ailesindeki adaylarla karşılaştırdı.

Xiaomi ve MiMo ihtimali

Xiaomi’nin adaylar arasında anılmasının nedenlerinden biri, MiMo ekibinin daha önce “Hunter Alpha” adında anonim bir test modeli kullanmış olmasıydı. Ancak raporlar bir yetenek uyuşmazlığına dikkat çekti: MiMo modelleri ses desteğiyle ilişkilendirilirken Ox Alpha metin, görüntü ve video kabul ediyor, ses girdisini kabul etmiyordu. Bu nedenle Xiaomi ihtimali ilgi çekici bir teori olarak kaldı; güçlü bir kimlik tespiti kanıtına dönüşmedi. 2229

Google DeepMind iddiası

Google’la ilişkilendirilen bazı ipuçları ve sosyal medya paylaşımları da spekülasyonu artırdı. Fakat mevcut işaretler, modelin DeepMind tarafından geliştirildiğini veya işletildiğini ortaya koymadı. Bunlar kimlik belirleyici kanıtlardan ziyade dolaylı emarelerdi.

GLM parmak izi

Resmî açıklamadan önceki en güçlü teori, Zhipu’nun GLM ailesini işaret ediyordu. Topluluk testlerinde Ox Alpha’nın token sayımlarının farklı istemlerde GLM-5.3 ile eşleştiği, yalnızca her istekte yaklaşık 75 tokenlık sabit bir sarmalayıcı farkı bulunduğu bildirildi. Ayrı video testlerinde de token tüketiminin, çeşitli kodlama özellikleri açısından Zhipu’nun GLM görsel modelleriyle örtüştüğü görüldü. 1821

Diğer ipuçları şunlardı:

• reasoning_effort parametresine ilişkin GLM API yanıtlarına benzeyen bir hata;
• bazı görüntü ayrıştırma hatalarında Çince istemlerin görünmesi;
• Zhipu’nun çok modlu modelleriyle uyumlu video tokenizasyon davranışı; ve
• bazı gözlemcilerin Zhipu’nun önceki “Pony Alpha” terminolojisiyle ilişkilendirdiği isim benzerliği. 212629

Bu işaretlerin her biri tek başına yönlendirme katmanlarından, ortak altyapıdan, sarmalayıcılardan veya taklitten kaynaklanmış olabilirdi. Birlikte değerlendirildiklerinde GLM teorisini güçlendirdiler; yine de resmî açıklamanın yerini tutmadılar. Kesin kanıt, Z.ai’ın Ox Alpha’yı GLM-5.3-Flash olarak tanımlamasıyla geldi. 1043

Açıklamadan sonra ne değişti?

Kimliğin açıklanmasıyla Ox Alpha, bir atıf bilmecesi olmaktan çıkıp ürün önizlemesine dönüştü. Z.ai’ın belgelerine göre GLM-5.3-Flash, toplam 320 milyar ve token başına 18 milyar etkin parametreye sahip hibrit bir model. Modelin yerel görsel yetenekleri; arayüzleri gözlemlemeyi, oluşturulan sonuçları ve etkileşim geri bildirimlerini değerlendirmeyi mümkün kılıyor. Böylece kod, tarayıcı ve grafik arayüz arasında kapalı bir döngü kurulabiliyor. 43

İsimlendirilmiş sürüm, anonim bir uç noktanın en büyük sorunlarından birini de giderdi: devamlılık belirsizliği. Raporlara göre GLM-5.3-Flash MIT lisansı altında yayımlandı ve ağırlıkları, daha fazla dağıtım kontrolü isteyen geliştiriciler için erişime açıldı. 1950

Bu durum her dağıtımın otomatik olarak güvenli veya ucuz olduğu anlamına gelmiyor. Ekiplerin kendi iş yükleri için donanım gereksinimlerini, çıkarım performansını, API koşullarını, gizlilik uygulamalarını, hız limitlerini, araç çağırma güvenilirliğini ve çıktı tutarlılığını ayrıca değerlendirmesi gerekiyor.

GLM-5.3-Flash’ın kalıcı olup olmayacağını ne belirleyecek?

Ücretsiz önizleme büyük bir ilgi yarattı; ancak uzun vadeli benimsenme daha kalıcı ürün ölçütlerine bağlı olacak:

1. Maliyet: Ücretli API fiyatlarının, yetenekli kodlama modelleriyle rekabet edebilmesi gerekiyor.
2. Güvenilirlik: Geliştiriciler istikrarlı çalışma süresi, öngörülebilir hız limitleri ve tutarlı araç çağrıları bekleyecek.
3. Gizlilik: İstemlerin, kodun ve görsel girdilerin nasıl saklandığı veya kullanıldığı açık olmalı.
4. Tekrarlanabilirlik: Bağımsız değerlendirmeler, modelin eksiksiz benchmark’larda ve gerçek uygulamalarda nasıl performans verdiğini netleştirmeli.
5. Dağıtım seçeneği: MIT lisanslı ağırlıklar, ekiplerin geçici bir barındırılan hizmete bağımlılığını azaltabilir. Ancak bunun için gerekli operasyonel altyapının karşılanması şart.

Ox Alpha’nın asıl dersi, anonim bir modelin kısa süreliğine ünlü bir rakibi geçtiği iddiasından daha geniş. Geliştiricilerin geniş ölçekte deneyebildiği, iş akışı açısından ikna edici bir model; resmî tanıtım yapılmadan önce bile hızla yayılabiliyor.

Benchmark hikâyesi ilk manşetlerin anlattığından daha karmaşık. Yine de uzun bağlam, çok modlu giriş, araç kullanımı, ajan odaklı kodlama ve düşük maliyet birleşimi, Ox Alpha’nın neden bu kadar ilgi çektiğini açıklıyor. Kimliği artık GLM-5.3-Flash olarak netleştiğine göre asıl sınav, yenilik etkisi ve ücretsiz erişim sona erdiğinde bu kombinasyonun hâlâ ne kadar işe yarayacağı.