匿名大模型「牛来」刷屏，代码能力逼近头部

8 月的大模型圈迎来一场匿名模型猜谜游戏。一款名为 Ox Alpha 的模型突然出现在 OpenRouter 平台，凭借接近头部水平的代码测试表现迅速走红，被国内开发者昵称为「牛来」。在身份尚未确认的情况下，多条技术线索将其指向智谱尚未发布的 GLM-5.3 系列。

「牛来」模型凭代码能力出圈

根据 OpenRouter 披露的信息，Ox Alpha 拥有 100 万 token 上下文，支持文本、图片和视频输入，可调用工具，目前限时免费。上线后，开发者迅速将其接入编码 Agent，放入真实代码仓库进行压力测试。

开发者 Ben Davis 从 DeepSWE 中抽取 10 项任务进行测试，Ox Alpha 完成其中 8 项，通过率达 80%。作为对比，他公布的同批测试中，Fable 5 Max 为 65%，GLM-5.3 Max 与 Grok 4.6 xhigh 均为 62%，GPT-5.6 Sol Max 为 52%。DeepSWE 考察的是真实软件工程能力，模型需阅读仓库、定位问题、修改代码、运行测试并根据报错继续修复，更贴近编码 Agent 的实际工作场景。

不过 10 项任务的样本偏小。随后其他开发者在另一组 DeepSWE 子集上测试，通过率约为 63%。两次测试的任务范围与运行配置并不一致，暂时无法据此确定 Ox Alpha 的准确排名，但初步结果已显示出较强的长程编码潜力。

多条技术线索指向智谱 GLM-5.3

「牛来」的身份目前流传最广的说法是智谱尚未发布的 GLM-5.3 Flash，或 GLM-5.3 的多模态版本。有研究者专门撰写博客给出三条主要证据：

• 视觉 token 完全一致：四段不同帧率、时长与分辨率的视频中，Ox Alpha 消耗的视觉 token 与 GLM-5V-Turbo 高度吻合，而 MiMo、Qwen、GLM-4.6V 表现出明显不同的特征。
• 文本 tokenizer 高度吻合：测试 25 组提示词后，Ox Alpha 与 GLM-5.3 的 token 数量始终保持固定的 75 token 差值。
• 行为特征相近：Ox Alpha 拒绝处理音频，与 GLM-5V 的路由方式一致；回答风格、Agent 执行步数与推理接口也接近 GLM 系列。

此外，智谱此前曾以 Pony Alpha 为代号匿名测试 GLM-5，具备类似操作先例。Ben Davis 表示「99% 确定这就是 GLM-5.x」。不过截至目前，OpenRouter 与智谱均未公开回应，身份仍待官方确认。

另一款匿名模型 korrine 同步现身

在「牛来」尚未揭晓的同时，Code Arena 上又出现了一款名为 korrine 的匿名模型，引发新一轮猜测。最初不少人联想到 Kimi K3.1，原因在于 Kimi K3 发布前曾被认为以 kivine 代号测试，而 kivine 与 korrine 结构相近。不过最早传播消息的爆料者随后补充称，此前获知的 MoMoonshot 新模型可能对应另一个代号 adamant-ananke，korrine 也可能来自 Qwen 等其他中国团队。评论区中还有人将其指向 MiMo V3，真实来源仍是悬念。

匿名测试为何成为发布前标配

匿名测试正在成为大模型正式发布前的重要环节。在 Arena 中隐藏厂商与型号，可以削弱品牌带来的先入为主，让用户仅根据实际输出做选择，积累的对战结果更贴近真实体验。

OpenRouter 则提供了另一类测试环境：开发者把模型接入各类编码 Agent，让其进入真实仓库，连续调用工具，处理长达数小时的软件工程任务。上下文能否保持稳定、工具调用是否可靠、模型会不会在长程任务中循环或跑偏，都能在此类高强度使用中迅速暴露。对厂商而言，这相当于一次公开压力测试，可在正式发布前观察失败案例、验证推理服务承载力并积累口碑。同时，「猜模型」本身也在成为一种营销手段，身份悬念可以显著拉长讨论周期。

如果 Ox Alpha 确为一款 Flash 模型，其代码能力已逼近头部水平，那么资源投入更高、能力更完整的完整版，又会把上限推到哪里？这或许正是当下大模型圈最期待揭晓的答案。