神秘模型Ox Alpha突袭：性能超Fable 5，是智谱还是小米？

type

status

date

slug

summary

架构与能力拆解：专为长周期 Agent 打造的工程底座

从目前披露的技术规格与接口特性来看，Ox Alpha 的设计理念与常规以聊天对话为主的模型有着显著差异，其核心定位完全偏向于高负载的软件工程与复杂推理工作流。

超长上下文与大吞吐吞吐能力：Ox Alpha 拥有超过 100 万 Token 的上下文输入窗口，最大单次输出长度达到了惊人的 13 万 Token。在实际应用场景中，这意味着模型可以一次性通读中大型代码仓库、完整加载长时间运行的 Agent 执行状态链路，或同时处理由长文本、多张系统架构图及演示视频组成的混合多模态任务。

深度的 Agent 与工具调用生态：在接口功能层面，Ox Alpha 支持原生工具调用（Tool Calling）、tool_choice 策略选择以及标准 JSON 格式的结构化输出（暂不支持严格的 JSON Schema 约束）。这些特性直接锁定了其作为 Coding Agent 执行引擎的核心用途。

多模态感知与纯文本决策：模型支持文本、图像与视频的原生输入，但最终输出始终收敛为高质量的文本与代码。这种“多模态输入、单模态精细输出”的架构，使其能够精准解析 UI 截图、错误日志视频并输出精准的代码补丁。

在性能与时延表现上，初期监测数据显示 Ox Alpha 的中位首 Token 延迟（TTFT）约为 1.95 秒，输出速率约为每秒 49 Token。相较于同级别拥有百万上下文的商业模型（如 Gemini 3.7 Flash 每百万输入/输出 0.375/1.875 美元，GPT-5.6 Sol Pro 每百万输入/输出 2.5/15 美元），Ox Alpha 在测试阶段实行完全免费策略。OpenCode 更是宣布为其准备了每天高达 100 万亿（100T）Token 的庞大容量池，向全网开发者发起了公开压力测试邀请。

社区实测深度复盘：从极端视觉代码到80%基准胜率

随着全球开发者涌入测试，Ox Alpha 在不同极端场景下的真实工程表现逐渐浮出水面。多维度的评测展现了其强悍的代码生成能力，同时也暴露了高阶推理模式下的特征。

1. “鹈鹕骑自行车”SVG 视觉代码极限压测

社区测试者采用了公认极度考验模型空间认知与可视化代码编写能力的“鹈鹕骑自行车”SVG 任务，对 Ox Alpha 在 low、high、max 三种推理强度档位下进行了严密对比：

Low 档位（耗时约 13-21 秒）：推理过程极短，模型能迅速构建出包含鹈鹕身体、车轮和骑行动作的有效代码，展现了扎实的空间理解基础。

High 档位（耗时约 19-23 秒）：代码一致性与细节结构明显提升，部件连接更加合理。

Max 档位（耗时 124-355 秒，Token 消耗超 2.6 万）：推理字符暴增至数万字，生成的画面大幅增加了头盔、太阳、云朵和动态速度线等装饰性元素，但核心解剖学结构（如脚踏板贴合度）并未产生本质跃迁。

这一测试揭示了 Ox Alpha 的推理机制在极高强度下存在一定的“过度思考（Overthinking）”特征，更适合在中高强度下作为高效生产力工具使用。

2. 真实任务通过率横向对比

在针对 10 项高难度复杂任务的横向测试中，Ox Alpha 与当前行业顶尖模型同台竞技，取得了亮眼的战绩：

Ox Alpha：平均任务通过率 80%

Fable 5：平均任务通过率 65%

GLM-5.3：平均任务通过率 62%

Grok-4.6：平均任务通过率 62%

GPT-5.6 Sol：平均任务通过率 52%

在这组涵盖依赖修复、跨文件协同和动态规划的真实测试中，Ox Alpha 展现出了超越部分主流旗舰模型的执行稳定性，其在 Agent Harness 框架下连续修改文件、保持任务上下文不迷失的能力尤为突出。

迷雾重重：四大候选阵营的技术指纹深度比对

关于 Ox Alpha 幕后团队的归属，技术社区根据分词器指纹、历史行为、发布节奏与技术特征，形成了四大主要推测阵营：

阵营一：智谱 AI（GLM 系列新演进）

智谱是目前呼声最高的候选者之一。核心证据包括： * 分词器（Tokenizer）高度吻合：技术人员在 50/50 对抗字符串测试中发现，Ox Alpha 的 Tokenizer 与 GLM-5.3 的重合度极高，而在对比 Gemini、DeepSeek 或 Kimi 时重合度仅在 18%-22% 之间。 * 原生 Token 计数一致性：在 25 个不同复杂提示词测试下，Ox Alpha 的原生 Token 消耗数量与 GLM 系列高度匹配，并呈现罕见的底层 API 指纹。 * 代号命名传承：智谱此前曾使用过“Pony Alpha”作为测试代号，本次以“Ox（牛）”命名，符合生肖与动物代号的延续性规律。

阵营二：小米（MiMo V3 预演）

小米同样具备极强的嫌疑： * 先例可循：今年 3 月在 OpenRouter 爆火的神秘模型 Hunter Alpha（拥有百万上下文并达成万亿级调用），事后被证实为小米 MiMo-V2-Pro 的早期内测版。 * 战略与预算吻合：小米管理层近期在财报会上明确透露新一代 MiMo 大模型正在训练；同时社区指出，小米在大模型测试中经常使用“100万亿 Token”作为预算单位，与本次 OpenCode 的容量规划完全吻合。 * 产品路线一致：MiMo 团队长期聚焦于端侧与云端协同的高效 Coding 与 Agent 任务。

阵营三：腾讯混元（HY 4 灰度测试）

部分开发者将矛头指向腾讯混元。支撑这一推测的逻辑在于：全球具备承载每日 100T Token 免费吞吐能力的算力巨头屈指可数，腾讯在底层推理集群上的雄厚基础设施为其提供了可能，且混元团队近期同样在持续发力长上下文与 Agent 执行生态。

阵营四：Google Gemini 系列衍生

部分测试者发现模型在特定提示词诱导下自称为“Gemini”，加之原生视频输入与百万上下文的标配属性，引发了 Google 衍生版本的猜想。但业内普遍认为，LLM 在没有严格系统提示词约束时容易出现训练数据残留的身份幻觉，自报家门并不能构成技术层面的确定性铁证。

Stealth Model 机制崛起：大模型发布格局正在被重塑

Ox Alpha 的走红不仅是一场技术层面的猜谜游戏，更折射出全球大模型行业发布逻辑的深刻演变。

过去，大模型厂商的典型发布流程遵循“预热宣传 -> 官方发布会 -> 公布基准跑分（Benchmark） -> 开放商业 API”的单向路径。然而，随着各类公开排行榜刷分现象频发、基准数据污染日益严重，开发者对单纯的分数展示逐渐脱敏。

Stealth Model（隐形/匿名发布） 模式正在成为一种全新的行业解法：

去滤镜的真人压力测试：厂商将未命名的模型直接投放至真实开发者环境中，面对混乱的代码库、极端的依赖冲突和数小时连续运行的 Agent 任务，收集极其珍贵的真实失败边界数据。

低风险的产品灰度验证：若模型在初期测试中表现不佳，厂商可以低调下线调优，避免伤害核心品牌声誉；若表现优异，则能在揭晓身份时形成二次爆发式的口碑传播。

中立路由平台的生态升级：OpenRouter 等平台从单纯的模型聚合分发管道，升级为全球前沿模型的“匿名竞技场”与算力试金石。

总结与前瞻：把握下一代智能化浪潮

无论 Ox Alpha 面具背后的最终赢家是智谱、小米还是腾讯，这款神秘模型的出现都清晰地传达了一个信号：LLM 的竞争重心已经全面从“单次问答与短代码补全”，转向以百万级上下文、原生多模态输入和稳健工具调用为基础的“持续 Agent 执行力”。

对于广大开发者和企业而言，积极拥抱这类前沿匿名测试，不仅能免费享受到顶尖水准的算力红利，更能提前探索自动化软件工程、复杂工作流构建以及 AI变现 的全新可能性。在关注模型性能的同时，建立合理的任务容错与降级机制，方能在技术演进的浪潮中立于不败之地。

想获取更多关于最新 AI资讯、行业深度研报、前沿 Prompt 技巧与 AGI 发展风向标，欢迎访问专业的 AI门户 aigc.bar，持续关注最新 AI日报，与全球开发者一同见证人工智能技术的每一个突破时刻。