对于一个免费的限时预览来说，Ox Alpha公布的规格相当激进：

• **上下文窗口：**1,048,576个Token
• **最大输出：**131,072个Token
• **输入类型：**文本、图像和视频
• **主要场景：**编程、持续运行的智能体任务和面向生产环境的工作流
• **预览期间价格：**在OpenRouter上为0美元

开源终端编程智能体OpenCode也通过其免费层提供了Ox Alpha。OpenCode的公告称，该模型拥有较宽松的使用限制，接近“无限使用”，并宣称每天可承载100万亿个Token的调用量。不过，这个数字是运营方的容量声明，并非经过独立审计的实际吞吐量测量。

引发关注的80%：但只是10道题的结果

开发者Ben Davis从软件工程基准DeepSWE中抽取了10道任务，对Ox Alpha进行了测试。据报告，它通过了其中8道，成绩约为80%。在同一组有限的对比测试中，Claude Fable 5为65%，GPT-5.6 Sol为52%。

这个结果足够吸引眼球，但不能被写成Ox Alpha正式赢下DeepSWE。DeepSWE v1.1包含113道原创、长周期软件工程任务，覆盖91个代码仓库，因此10道题只占完整基准的一小部分。

这组对比还有几项重要限制：

• 样本数量很小，容易受到任务选择和随机波动影响。
• 不同模型使用的rollout数量或尝试次数未必相同。
• Ox Alpha尚未按照官方排行榜协议完成评测，也没有被纳入公开榜单。
• 个人研究者在子集上的得分，不能直接等同于标准化条件下的完整基准通过率。

当时可见的公开排行榜快照显示，Claude Opus 5以73.6%位居第一，GPT-5.6 Sol为72.7%，Claude Fable 5为69.7%。因此，较为稳妥的结论是：Ox Alpha在Davis选取的10道题中表现非常强，但这并不能证明它是综合能力最强的通用编程模型。

为什么大家猜是智谱AI？

目前最主要的归因理论，是将Ox Alpha与智谱AI（Z.ai）及其GLM模型家族联系起来。这个判断主要来自“模型指纹”分析，而不是任何公司的官方声明。

据报道，有研究者用25组提示词比较Ox Alpha与GLM-5.3的分词行为。扣除一个固定增加的75个Token包装后，两者的底层Token数量 reportedly 完全一致。另一些视频测试还发现，两者在视觉Token处理上存在相似之处，包括抽帧方式、时长缩放和分辨率处理策略。

其他被报告的相似点还包括输出风格、API行为，以及模型处理音频输入的方式。单独看，其中任何一个线索都可能由共用包装层、相同基础设施或模仿行为造成；但分析者认为，多项相对独立的特征同时吻合，形成了更强的证据链，与智谱统一多模态GLM路线相符。

智谱此前曾使用Pony Alpha等匿名或隐身式名称进行测试，这也提供了一些背景上的合理性。不过，这并不能证明Ox Alpha就是智谱开发的。

哪些信息仍然没有得到验证？

在相关报道所覆盖的时间段内，没有任何公司公开认领Ox Alpha，智谱也没有确认这一归因。社区中还出现过对具体GLM变体的猜测，但现有证据无法确定Ox Alpha究竟是尚未发布的新模型、生产版本、微调系统，还是使用相关基础设施的独立运营模型。

因此，最严谨的说法是：**Ox Alpha很可能与GLM家族存在技术渊源，也可能与智谱有关，但开发者和确切模型身份仍未得到验证。**个别分析者给出的置信度百分比，不应被当作官方身份鉴定结果。

隐私政策为何出现“分裂”？

对于开发者而言，Ox Alpha最值得注意的实际问题之一，是它的隐私和数据留存说明。

OpenRouter的Ox Alpha页面称，提示词和生成内容会由底层模型提供方保留，但不会用于训练。

这与OpenRouter的一般数据收集政策并不矛盾，但两者针对的是不同环节。OpenRouter表示，除非用户主动开启输入输出日志，否则平台本身不会保存提示词或回复；与此同时，平台会单独记录各模型提供方的数据处理政策，因此路由层与模型提供方可能采用不同的留存规则。

另一方面，OpenCode宣传Ox Alpha具备“零数据留存”。这可能描述的是OpenCode自身对请求的处理方式，但不会自动覆盖OpenRouter路由所披露的底层提供方留存政策。换句话说，“OpenCode不保留数据”和“底层模型提供方会保留提示词与生成内容”，可以分别描述同一次请求在不同环节的处理情况。

在相关提供方发布统一、明确且具有合同约束力的数据处理政策之前，更稳妥的假设是：模型提供方可能保留用户提交的内容。开发者不应因为服务免费，或因为页面写着“不用于训练”，就直接上传专有源代码、凭据、个人信息或受监管数据。

结论：值得测试，但不宜过度解读

Ox Alpha之所以引发关注，主要有三个原因：限时免费预览、超过百万Token的超大上下文和多模态能力，以及早期编程测试中相当亮眼的成绩。但现有证据更支持谨慎解读，而不是“某个神秘实验室已经确定击败所有主流前沿模型”这样的结论。

所谓80%的DeepSWE成绩，来自10道题中通过8道，而不是完整的113道任务。公开排行榜当时仍由Claude Opus 5领跑，Ox Alpha也尚未完成官方评测流程。

它的分词器、视频编码和其他技术指纹，使“智谱/GLM系”成为目前最有说服力的解释，但没有公开确认能够证明其开发者身份。对于个人测试和研究，Ox Alpha无疑是一个值得观察的匿名模型；但对生产系统或敏感代码来说，匿名所有权、提供方的数据留存规则以及未解决的模型身份，都意味着使用时应当留有余地。

对于一个免费的限时预览来说，Ox Alpha公布的规格相当激进：

• **上下文窗口：**1,048,576个Token
• **最大输出：**131,072个Token
• **输入类型：**文本、图像和视频
• **主要场景：**编程、持续运行的智能体任务和面向生产环境的工作流
• **预览期间价格：**在OpenRouter上为0美元

开源终端编程智能体OpenCode也通过其免费层提供了Ox Alpha。OpenCode的公告称，该模型拥有较宽松的使用限制，接近“无限使用”，并宣称每天可承载100万亿个Token的调用量。不过，这个数字是运营方的容量声明，并非经过独立审计的实际吞吐量测量。

引发关注的80%：但只是10道题的结果

开发者Ben Davis从软件工程基准DeepSWE中抽取了10道任务，对Ox Alpha进行了测试。据报告，它通过了其中8道，成绩约为80%。在同一组有限的对比测试中，Claude Fable 5为65%，GPT-5.6 Sol为52%。

这个结果足够吸引眼球，但不能被写成Ox Alpha正式赢下DeepSWE。DeepSWE v1.1包含113道原创、长周期软件工程任务，覆盖91个代码仓库，因此10道题只占完整基准的一小部分。

这组对比还有几项重要限制：

• 样本数量很小，容易受到任务选择和随机波动影响。
• 不同模型使用的rollout数量或尝试次数未必相同。
• Ox Alpha尚未按照官方排行榜协议完成评测，也没有被纳入公开榜单。
• 个人研究者在子集上的得分，不能直接等同于标准化条件下的完整基准通过率。

当时可见的公开排行榜快照显示，Claude Opus 5以73.6%位居第一，GPT-5.6 Sol为72.7%，Claude Fable 5为69.7%。因此，较为稳妥的结论是：Ox Alpha在Davis选取的10道题中表现非常强，但这并不能证明它是综合能力最强的通用编程模型。

为什么大家猜是智谱AI？

目前最主要的归因理论，是将Ox Alpha与智谱AI（Z.ai）及其GLM模型家族联系起来。这个判断主要来自“模型指纹”分析，而不是任何公司的官方声明。

据报道，有研究者用25组提示词比较Ox Alpha与GLM-5.3的分词行为。扣除一个固定增加的75个Token包装后，两者的底层Token数量 reportedly 完全一致。另一些视频测试还发现，两者在视觉Token处理上存在相似之处，包括抽帧方式、时长缩放和分辨率处理策略。

其他被报告的相似点还包括输出风格、API行为，以及模型处理音频输入的方式。单独看，其中任何一个线索都可能由共用包装层、相同基础设施或模仿行为造成；但分析者认为，多项相对独立的特征同时吻合，形成了更强的证据链，与智谱统一多模态GLM路线相符。

智谱此前曾使用Pony Alpha等匿名或隐身式名称进行测试，这也提供了一些背景上的合理性。不过，这并不能证明Ox Alpha就是智谱开发的。

哪些信息仍然没有得到验证？

在相关报道所覆盖的时间段内，没有任何公司公开认领Ox Alpha，智谱也没有确认这一归因。社区中还出现过对具体GLM变体的猜测，但现有证据无法确定Ox Alpha究竟是尚未发布的新模型、生产版本、微调系统，还是使用相关基础设施的独立运营模型。

因此，最严谨的说法是：**Ox Alpha很可能与GLM家族存在技术渊源，也可能与智谱有关，但开发者和确切模型身份仍未得到验证。**个别分析者给出的置信度百分比，不应被当作官方身份鉴定结果。

隐私政策为何出现“分裂”？

对于开发者而言，Ox Alpha最值得注意的实际问题之一，是它的隐私和数据留存说明。

OpenRouter的Ox Alpha页面称，提示词和生成内容会由底层模型提供方保留，但不会用于训练。

这与OpenRouter的一般数据收集政策并不矛盾，但两者针对的是不同环节。OpenRouter表示，除非用户主动开启输入输出日志，否则平台本身不会保存提示词或回复；与此同时，平台会单独记录各模型提供方的数据处理政策，因此路由层与模型提供方可能采用不同的留存规则。

另一方面，OpenCode宣传Ox Alpha具备“零数据留存”。这可能描述的是OpenCode自身对请求的处理方式，但不会自动覆盖OpenRouter路由所披露的底层提供方留存政策。换句话说，“OpenCode不保留数据”和“底层模型提供方会保留提示词与生成内容”，可以分别描述同一次请求在不同环节的处理情况。

在相关提供方发布统一、明确且具有合同约束力的数据处理政策之前，更稳妥的假设是：模型提供方可能保留用户提交的内容。开发者不应因为服务免费，或因为页面写着“不用于训练”，就直接上传专有源代码、凭据、个人信息或受监管数据。

结论：值得测试，但不宜过度解读

Ox Alpha之所以引发关注，主要有三个原因：限时免费预览、超过百万Token的超大上下文和多模态能力，以及早期编程测试中相当亮眼的成绩。但现有证据更支持谨慎解读，而不是“某个神秘实验室已经确定击败所有主流前沿模型”这样的结论。

所谓80%的DeepSWE成绩，来自10道题中通过8道，而不是完整的113道任务。公开排行榜当时仍由Claude Opus 5领跑，Ox Alpha也尚未完成官方评测流程。

它的分词器、视频编码和其他技术指纹，使“智谱/GLM系”成为目前最有说服力的解释，但没有公开确认能够证明其开发者身份。对于个人测试和研究，Ox Alpha无疑是一个值得观察的匿名模型；但对生产系统或敏感代码来说，匿名所有权、提供方的数据留存规则以及未解决的模型身份，都意味着使用时应当留有余地。