Ox Alpha谜底揭晓：从“牛来”到 Zhipu GLM-5.3-Flash

Ox Alpha的身份谜团已经揭晓：它并非一个长期匿名的独立模型，而是Z.ai（智谱）在OpenRouter上进行短期匿名预览的GLM系列模型。2026年8月20日，模型以stealth/ox-alpha上线；8月26日，Z.ai确认其正式名称为GLM-5.3-Flash。2510

它之所以引发关注，原因并不只是“神秘”：在预览期间，用户可以免费调用一个面向编程和智能体工作流的推理模型，而早期社区测试又显示出相当强的真实软件工程能力。

Ox Alpha是什么？

OpenRouter最初将Ox Alpha描述为面向编码、持续性智能体工作和生产工作负载的推理模型，适合长周期软件工程、复杂推理，以及结合文本和视觉信息的工作流。3039

预览版的主要规格包括：

• 模型标识： stealth/ox-alpha
• 上线时间： 2026年8月20日
• 上下文窗口： 1,048,576 tokens，约100万 tokens
• 最大输出： 131,072 tokens
• 输入模态： 文本、图片和视频
• 工作流能力： 工具或函数调用，以及结构化输出支持
• 价格： 匿名预览期间输入和输出均免费61214

这些参数让它特别适合处理大型代码库、长对话、视频分析和多步骤自动化任务。不过，“免费”和“规格很大”本身并不能证明模型在所有场景都优于商业模型；真正让开发者感兴趣的是它在软件工程任务上的早期表现。

“牛来”这个名字是怎么来的？

“Ox”可以对应中文的“牛”（niu），因此中国开发者社区很快把Ox Alpha称为“牛来”。这个昵称还借用了2026年夏季在中国网络上走红的动画电影《牛来》及其相关网络梗；电影片名大致可译为“牛来了”。15

因此，“牛来”是社区传播中的俗称，不是Z.ai公布的正式模型名称，也不代表模型与该电影存在产品或版权关系。1415

DeepSWE：8/10的成绩意味着什么？

最早广泛传播的结果来自一轮小规模社区测试：Ox Alpha在DeepSWE的10项真实软件工程任务中解决了8项，得到80%的Pass@1成绩。同一组早期比较中，Claude Fable 5为65%，GPT-5.6 Sol为52%。1348

模型	DeepSWE早期十项测试结果
Ox Alpha	8/10（80%）
Claude Fable 5	65%
GPT-5.6 Sol	52%

DeepSWE关注的是智能体能否理解真实代码库、定位问题并提交可用修复，而不只是完成孤立的代码生成题。4957这使得80%这一数字具有一定现实意义，但它仍然只是10项任务的社区报告：样本太小，任务选择、提示词、运行配置和评测流程都可能影响结果。因此，更准确的说法是：Ox Alpha在一轮早期十项测试中表现亮眼，不能据此宣布它全面击败了其他模型。

随后有报道声称，Ox Alpha在完整的113项DeepSWE任务中解决了63项，并接近Claude Opus 4.8的水平。5这一结果比10项测试更有参考价值，但公开报道并未充分说明完整评测的配置和可复现细节，因此应视为报道中的结果，而不是已经完成独立验证的标准结论。

为什么它很快登上OpenRouter榜首？

Ox Alpha同时具备几个极易形成传播效应的条件：匿名身份、免费调用、约100万-token上下文、图像和视频输入，以及面向编码和智能体任务的定位。3610

它很快冲上OpenRouter使用榜单。彭博社相关报道将其称为该市场历史上规模最大的发布之一，并称其使用量超过DeepSeek两倍；其他报道还提到它在相关开发者平台上打破了DeepSeek连续排名纪录，并创造单日使用量纪录。51016

这些使用数据需要区分来源和口径：OpenRouter榜单、OpenCode排名、会话数、token用量并不是同一个指标，不能简单合并成一个“用户数”或“性能排名”。可以确定的是，免费窗口和模型能力共同带来了异常强烈的开发者关注。

Stripe CEO Patrick Collison也曾在社交平台上评价Ox Alpha“非常令人印象深刻”。59这句话解释了它为何受到行业关注，但并不是对模型性能的独立评测。

Zhipu身份是如何被技术指纹锁定的？

在官方确认之前，开发者已经通过黑盒测试将线索指向Zhipu。最受关注的证据包括以下几类。

1. Tokenizer出现固定的75-token偏移

研究者在多组提示词上比较Ox Alpha与GLM-5.3的token计数，报告称两者的原始计数高度一致，只差一个固定的约75-token偏移。117

如果差值在不同语言、代码和表情符号测试中都保持稳定，一个合理解释是OpenRouter或服务提供方额外加入了系统提示词或请求包装，而不是底层词表完全不同。另有一项更大规模的社区分析报告称，在95组测试中也观察到精确匹配。18

这类结果可以强烈提示共享词表或相近服务层实现，但单靠tokenizer不能证明两个模型的全部权重来自同一模型。

2. 视频token消耗与GLM-5V-Turbo相同

另一条线索来自视频输入。社区测试报告称，Ox Alpha与Zhipu的GLM-5V-Turbo在多组视频测试中的token消耗逐帧匹配，并呈现相似的视频采样和分辨率处理规律。1724

视频编码器的行为比普通文本风格更难通过提示词模仿，因此这一线索被许多观察者视为更有区分度的证据。不过，这仍属于外部黑盒推断，不能替代厂商的正式披露。

3. API错误格式和输出行为相似

开发者还报告了Ox Alpha与GLM服务相似的API错误信息、推理设置反应和输出风格。24这些服务层特征与tokenizer、视频处理结果叠加后，使“Zhipu预发布模型”的假设变得非常可信。

当时流传的“99%确定”是个别观察者对证据链的判断，并非经过公开方法验证的统计概率。27Google DeepMind相关人士的谨慎表态也曾引发Gemini猜测，但这些非确认性暗示最终没有改变结论：Z.ai在8月26日确认Ox Alpha属于GLM系列，并将其公开命名为GLM-5.3-Flash。510

它属于一套更大的“Stealth Alpha”发布模式

Ox Alpha并不是OpenRouter上第一个以匿名Alpha代号出现的模型。此前的相关案例包括：

• Pony Alpha → Zhipu GLM-5
• Hunter Alpha → Xiaomi MiMo-V2-Pro
• Elephant Alpha → 蚂蚁集团 Inclusion AI
• Owl Alpha → 美团 LongCat-2.03833

这些案例显示出一种相似的预发布方式：模型先以匿名或半匿名身份、通常以免费价格开放给开发者使用，经过短期真实流量测试后，再由开发者公布正式品牌或型号。3438

这种做法可能有几项实际价值：

1. 降低品牌和产地偏见。 用户先体验模型，再根据结果判断，而不是先被公司名称影响。
2. 快速获得真实使用反馈。 与封闭实验室评测相比，开发者会把模型放进代码库、工具调用和自动化流程中。
3. 制造自然传播。 “免费+匿名+高性能”的组合本身就容易引发测试和讨论。
4. 验证基础设施。 大规模免费流量可以帮助团队测试吞吐、长上下文和智能体工作负载下的稳定性。

这些是对策略逻辑的合理解释，并不意味着每一家模型公司都公开承认了全部动机。就Ox Alpha而言，匿名预览确实带来了大量使用、技术分析和全球开发者关注，随后Z.ai再将其与正式GLM品牌连接起来。8910

最终结论：真正值得关注的不是“匿名”，而是发布方式

Ox Alpha的故事可以分成两个阶段：第一阶段是一个免费、长上下文、多模态、身份不明的OpenRouter模型；第二阶段是Z.ai确认它为GLM-5.3-Flash后的正式产品化阶段。210

早期80%的DeepSWE成绩说明它在一组真实软件工程任务中很有竞争力，但10项样本和后续报道中的完整评测都应结合评测配置谨慎解读。更具长期意义的变化，是模型厂商开始把匿名预览当成连接模型训练、基础设施测试和开发者增长的公开实验场。

对开发者来说，最实用的判断标准仍然是：在自己的代码库、工具链和数据边界内重复测试，而不是只看一次排行榜或一个病毒式分数。Ox Alpha最终被揭晓为GLM-5.3-Flash，证明了社区指纹分析的价值；同时也提醒人们，黑盒线索很强时仍应把“高概率推断”和“官方确认”明确区分开来。