神秘模型 Ox Alpha 上线 OpenRouter，百万上下文免费开放引猜测

匿名模型 Ox Alpha 突然出现在模型路由平台 OpenRouter 上，未举行发布会、未公布技术报告，只以一个忍者表情和极简描述就引发了 AI 社区的高度关注。该模型主打高效编程、长时间 Agent 任务与真实生产环境，拥有超过 100 万 Token 的上下文窗口，并支持文本、图像和视频输入，输出形式仍为文本。

模型规格与定位

Ox Alpha 的完整模型标识为 stealth/ox-alpha，方向集中在三类任务：长周期软件工程、复杂推理，以及结合文本与视觉信息的 Agent 工作流。在功能层面，它支持工具调用、tool_choice 以及 JSON 格式的结构化输出，但暂不支持严格的 JSON Schema 约束。

上下文窗口：超过 100 万 Token
最大输出长度：约 13 万 Token
输入模态：文本、图片、视频
输出模态：仅文本

OpenRouter 页面显示，Ox Alpha 的中位首 Token 延迟约为 1.95 秒，输出速度约每秒 49 Token，近三日可用率接近 100%。不过这些数据基于上线初期的有限采样，后续可能继续波动。截至目前，OpenRouter 并未公布 SWE-bench、Terminal-Bench 等编程与 Agent 基准成绩，「frontier model」的定位尚缺乏公开证据支撑。

定价与免费策略

Ox Alpha 在 OpenRouter 上输入与输出价格均为零，对于一款具备百万上下文和视频输入能力的模型而言，这样的免费策略相当罕见。作为参考，同样拥有百万级上下文的 Gemini 3.7 Flash 在 OpenRouter 上的价格为每百万 Token 输入 0.375 美元、输出 1.875 美元；GPT-5.6 Sol Pro 则为输入 2.5 美元、输出 15 美元。

OpenCode 随后宣布将 Ox Alpha 在其平台免费开放一周，并表示准备了每天 100 万亿（100T）Token 的容量，远超常规测试规模。考虑到如此大的调用预算，背后的模型厂商可能不只是收集聊天反馈，而是希望观察模型在真实 Agent Harness、代码仓库和长周期任务中的实际表现。

社区测试结果

模型上线后，海外技术社区迅速展开集中测试。在一项 10 项任务的对比测试中，Ox Alpha 通过 8 项、失败 2 项，通过率 80%，高于同测试中的 Fable 5（65%）、GLM-5.3（62%）、Grok-4.6（62%）和 GPT-5.6 Sol（52%）。

不过，另有用户对「鹈鹕骑自行车」SVG 生成任务进行了 15 次对照测试，结果显示：

low 档推理耗时约 13 至 21 秒，推理字段几乎为空
high 档耗时 19 至 23 秒，结构一致性有所改善
max 档推理字段增至约 1.7 万至 6.2 万字符，耗时拉长至 124 至 355 秒，Token 消耗最高超过 2.6 万

虽然最高推理档位带来更多装饰细节，但核心构图的准确性提升并不与计算开销成正比，模型在高推理强度下存在明显的「过度思考」倾向。社区目前较为一致的态度是：免费、上下文足够长，值得尝试；但在身份、稳定性和真实能力确认之前，不宜仅凭「frontier」标签替代成熟的生产模型。

归属猜测

围绕 Ox Alpha 的真实身份，社区主要形成了四类猜测。

小米 MiMo V3：这是目前出现频率较高的猜测。线索包括时间点（小米 CFO 8 月 18 日透露新一代 MiMo 正在训练）、先例（今年 3 月 Hunter Alpha 被确认是 MiMo-V2-Pro 早期版本）以及产品定位重合（均面向代码、工具调用与长周期 Agent）。

腾讯混元 HY 4：部分网友认为，能够支撑如此大规模免费调用的厂商并不多，腾讯在算力和推理基础设施上具备条件，同时也有在正式发布前收集真实 Agent 数据的需求。

Google Gemini 系：Ox Alpha 拥有百万上下文且支持视频输入，与 Gemini 的能力特征相近，也有用户在询问模型身份时得到「我是 Gemini」的回答。但模型自报家门并不构成可靠鉴别依据。

智谱 GLM-5.3：有用户分析称，Ox Alpha 在分词器匹配上与 GLM-5.3 的吻合度达 50%，而 Gemini、DeepSeek、Kimi 仅 18% 至 22%；知乎上也有用户指出，智谱此前曾推出过代号 Pony Alpha 的模型，「Ox」与「牛」的英文对应符合其命名习惯。

Stealth Model：一种新的发布机制

Ox Alpha 并不是 OpenRouter 上第一款匿名模型。在此之前，社区曾把 Hunter Alpha 猜成下一代 DeepSeek、GPT 或 Gemini，最终揭晓为小米 MiMo-V2-Pro。Stealth Model 正在成为一种新的发布机制：模型先匿名进入平台，开发者在不知道品牌的情况下进行大规模真实任务测试，厂商则借此收集 Benchmark 无法覆盖的失败案例和长周期表现。

这种模式改变了传统的发布流程，但也带来了身份不确定期的信任成本。对于开发者而言，免费和长上下文是足够的尝鲜理由；对于模型厂商而言，几万亿 Token 的真人压力测试，可能比精心挑选的榜单分数更接近真实的生产环境表现。