神秘AI模型“Ox Alpha”现身OpenRouter

由于没有实验室愿意为Ox Alpha署名，开发者们转向了一种AI考古学：基础设施指纹识别。研究人员不再直接询问模型由谁构建，而是将其可测量的行为——例如在固定提示词集下分词器产生的token数量、处理视频时的帧计数方式、对异常输入类型的处理方式——与已知公开规格的模型进行比对。独立研究者unclecode对Ox Alpha进行了此类探测，发现其在九项测试中的六项与Z.ai的GLM-5.3模型家族匹配，包括所有被检查的分词器计数^[2]。这一匹配率具有显著意义，但unclecode明确指出，这只是间接证据：指纹匹配仅能证明共享基础设施，而非身份确认^[2]。

这一保留意见后来被证实是先见之明。在初步形成GLM共识后不到一天，AI分析师安德鲁·柯伦（Andrew Curran）观察到，随着新的、相互矛盾的指纹信号出现，这一共识已开始动摇^[3]。另一种竞争性理论则基于对分词行为的不同解读，指向微软的Phi/MAI模型谱系，尽管该理论仍存争议且未获证实^[5]。这一事件成为黑箱取证局限性的一个典型案例：在无法访问模型权重或训练数据的情况下，AI社区只能构建概率性推论，而非确定性结论——且这一推论可能在24小时内因更多人运行测试而发生改变。

Ox Alpha并非孤立的营销噱头——它符合一种如今已可识别的模式。Winbuzzer将其描述为大约六个月内出现在OpenRouter上的第五个‘隐形模型’发布^[6]，而Z.ai自身此前也执行过完全相同的策略：在GLM-5.3正式发布前，以代号‘Pony Alpha’匿名发布早期GLM-5版本的预览^[2]。对实验室而言，这种隐形预览的吸引力显而易见——它可以在不承担与公司品牌挂钩相关的声誉风险或审查压力的情况下，从全球开发者基础中收集真实世界使用数据、基准测试对比和失败案例。

免费提供模型并附带异常慷慨的使用额度，正是这一策略奏效的关键：它制造了独立测试的高流量，从而在几天内催生病毒式传播的基准测试帖子和侦探式讨论线程，且无需营销预算。权衡在于，一旦免费窗口期结束——预计在2026年8月底左右在OpenRouter和OpenCode均关闭——实验室便可悄然将所获经验融入正式命名发布中，正如Z.ai对GLM-5.3所做的那样，同时避免了以自身品牌进行公开测试可能带来的负面风险。

Ox Alpha的声誉建立在薄弱数据之上，迅速形成。一项早期非正式测试在10道题的DeepSWE样本中发现，Ox Alpha得分约为80%，领先于Claude Fable 5的约65%和GPT-5.6-sol的约52%^[2]。这些数字迅速传播，并塑造了最初的‘超越前沿’叙事，但SiliconANGLE指出，该样本仅覆盖了基准测试113道题中的10道——样本量过小，可能导致高方差而非可靠排名^[2]。另一项更结构化的KingBench评估发现Ox Alpha得分为87.5%^[4]。与该结果一同流传的社区基准追踪器将其排名置于GLM-5.3之后，但领先于Claude 5、Qwen 3.8 Max和Opus 4.8等多个其他前沿模型。

两个结果之间的差距揭示了隐形模型炒作周期的常见风险：在小规模、非标准测试中少数令人印象深刻的答案可能病毒式传播并设定预期，而更全面的基准测试随后会将模型定位在更普通——尽管仍具竞争力——的中上水平。综合更充分的证据，Ox Alpha似乎确实是一款强大的编码模型，但远非首个病毒式帖子所暗示的彻底超越前沿者。

来源问题并非无关紧要——它涉及真实的数据处理风险。OpenRouter自身关于Ox Alpha的条款披露，匿名提供商将保留提示词和生成内容，这一政策比OpenRouter的常规条款更为严格，尽管提供商声称保留的数据不会用于训练^[1]。每一行专有代码、每一个意外粘贴到提示词中的凭证，都将流向一家尚未表明身份的公司。

如果独立指纹识别所指向的GLM/Z.ai归属准确，那么这个未具名的接收方将是智谱AI（Zhipu AI），该公司于2025年1月被美国商务部列入实体清单，理由是其在中国军用AI现代化中的角色^[2]。正是这一背景导致媒体将此事件定性为数据处理风险，而非仅仅对一款优秀编码模型的好奇：开发者正在将生产代码输入一个其运营商、司法管辖区和数据保留实践目前均无法验证的系统^[1]。