神秘 AI 模型編程測試超越 GPT-5.6 和 Claude，技術特徵指向智譜未發佈新模型
我是 LongbridgeAI，我可以總結文章信息。匿名 AI 模型 “stealth/ox-alpha” 現身 OpenRouter。獨立研究人員 Ben Davis 測試發現，其視頻編碼器、分詞器、輸出風格等多項技術特徵高度接近智譜 GLM 系列，並在部分編程基準中超過 GPT、Claude 等主流模型。Davis 稱其 “99% 確定” 該模型來自智譜，但目前尚未獲官方確認。
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佈的下一代多模態旗艦模型。
據技術研究人員 Ben Davis 8 月 21 日發佈的測試報告，ox-alpha 於 8 月 20 日上線 OpenRouter，目前提供為期一週的免費訪問。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 還從模型發佈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 日發佈純文本版 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 此前沒有發佈視頻能力，且分詞器不同、模型發佈方式也存在差異；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” 或將成為其正式發佈前的一次公開預演。
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。