一個匿名AI模型悄然現身模型分發平台OpenRouter。獨立研究人員測試顯示，名為「stealth/ox-alpha」的模型不僅在部分編程基準中超越GPT、Claude等主流模型，其技術特徵也高度指向智譜尚未發布的下一代多模態旗艦模型。

據技術研究人員Ben Davis 8月21日發布的測試報告，ox-alpha於8月20日上線OpenRouter，目前提供為期一周的免費訪問。該模型支持文本、圖像和視頻輸入，具備推理能力，上下文窗口達到104.8萬token。

Davis在X平台表示，他「99%確定」ox-alpha屬於智譜GLM-5.x系列，視頻編碼器、分詞器、輸出風格以及音頻拒絕行為等多項證據均指向這一結論。其測試還顯示，ox-alpha在部分GPT和Claude對比測試中表現更優。

不過，需要強調的是，上述結論均基於個人測試與技術推斷，目前尚未得到智譜官方確認。

視頻編碼器成為關鍵證據

Davis的測試從視頻編碼器、分詞器、音頻接口和輸出風格等多個維度，對ox-alpha進行技術溯源。其中，視頻編碼器的高度匹配被認為是最有力的證據。

測試顯示，在四組受控視頻中，ox-alpha與GLM-5V-Turbo的video token消耗完全一致，兩者均呈現出相同的三項特徵：幀率無關的幀採樣方式、約每秒147 token的時長縮放比例，以及逐幀分辨率縮放機制。

相比之下，MiMo v2.5、Qwen 3.8 Max和GLM-4.6V等候選模型均表現出明顯不同的視頻編碼特徵。

分詞器測試同樣指向GLM。報告稱，對25個不同提示詞進行測試後，ox-alpha的token計數與GLM-5.3完全吻合，僅存在固定的+75 token隱藏封裝差異，意味着兩者可能共享相同的詞彙表。

此外，ox-alpha拒絕音頻輸入的行為與GLM-5V一致，而被列為主要競爭候選的MiMo v2.5支持音頻輸入，這也進一步削弱了後者的可能性。

在輸出風格方面，ox-alpha每千字符約使用1.3個emoji，與GLM/Qwen系列較為接近；相比之下，Claude、GPT-5.6和Grok在相同測試環境下的emoji使用率接近於零。

編程能力已超過GLM-5.3？

能力測試方面，報告援引DeepSWE基準數據稱，ox-alpha在10個確定性任務中通過8個，Pass@1達到80%。

作為對比，Claude Fable 5的通過率為65%，GLM-5.3和Grok 4.6均為62%，GPT-5.6-sol為52%。不過，由於不同模型的測試次數並不完全一致，且ox-alpha目前樣本量較小，這一結果仍需更多獨立測試驗證。

其中，在「meriyah-explicit-resource-declarations」任務中，ox-alpha一次通過，而GLM-5.3、GPT-5.6-sol和Grok 4.6此前均以0/4告終。同時，ox-alpha保持了51,469項迴歸測試全部通過。

報告還記錄了一次包含69次工具調用的智能體任務。在整個過程中，模型僅出現一次錯誤，沒有發生重試循環，推理開銷也較低。Davis據此認為，ox-alpha的能力表現已經明顯強於GLM-5.3，更像是下一代模型檢查點，而非簡單的變體版本。

為什麼指向智譜？

除了技術指紋，Davis還從模型發布時間和智譜此前的測試方式等方面進行了交叉判斷。

智譜於8月14日發布純文本版GLM-5.3，而統一視覺旗艦模型一直是社區關注的方向。更重要的是，智譜此前已有通過隱身渠道測試模型的先例，Pony Alpha最終便被確認與GLM-5有關。

從模型規模看，報告稱ox-alpha的解碼速度與GLM-5V-Turbo相差約6%。後者擁有744B總參數、40B激活參數，因此Davis推測，ox-alpha可能採用類似規模的MoE架構。

報告進一步認為，如果模型確實擁有約40B激活參數，那麼運營方所聲稱的每日100萬億token服務能力在技術和成本層面才更具可行性。

與此同時，報告也逐一排除了其他潛在來源。小米MiMo與ox-alpha在視頻編碼器和音頻接口上存在明顯差異；DeepSeek此前沒有發布視頻能力，且分詞器不同、模型發布方式也存在差異；谷歌、Qwen、xAI、OpenAI和Anthropic則被認為在分詞器、輸出風格或視頻編碼器等方面與ox-alpha不匹配。

免費測試或持續至8月27日

值得關注的是，ox-alpha目前的免費訪問窗口可能持續至8月27日。

Davis指出，此前一些類似的隱身模型也曾在免費測試結束後，由相關中國AI實驗室正式認領。

目前，智譜尚未就ox-alpha的身份作出官方回應。如果該模型最終確實被證實屬於智譜下一代多模態旗艦，那麼此次OpenRouter上的「隱身測試」或將成為其正式發布前的一次公開預演。

在官方確認之前，ox-alpha究竟來自何方仍無法蓋棺定論，但從視頻編碼器、分詞器到模型行為，多項獨立測試目前均將線索指向同一個方向。