Ox Alpha AI 模型以匿名方式发布,在编程基准测试中可媲美 GPT-5.6 Sol

关键要点

  • Ox Alpha 是一个匿名 AI 模型,于 8 月 20 日在 OpenRouter、OpenCode、Cline 和 Nous Research portal+ 上发布。
  • Ox Alpha 在完整的 113 项任务 DeepSWE 基准测试中取得了 63% 的得分,并在 100 万 token 的上下文窗口下达到了与 GPT-5.6 Sol 相匹配的性能。
  • 独立指纹分析显示,尽管该实验室并未公开声明,但 Ox Alpha 的分词器和视频 token 行为与智谱 AI 的 GLM-5.3 系列相匹配。

Ox Alpha 是一个匿名 AI 模型,据称专为编码和生产环境工作负载设计,于 8 月 20 日在 OpenRouter、OpenCode、Cline 和 Nous Research 的 portal+ 上线。该模型问世时没有披露任何公司归属信息,仅被列为由一家在预览期间选择保持匿名的第三方提供商构建。关于 Ox Alpha 在 DeepSWE 编码基准测试中达到 80% 的说法迅速传播开来,但这一结果来自开发者 Ben Davis 对 10 项任务进行的样本测试;两次独立的完整 113 项任务测试结果都接近 63%,大致相当于 GPT-5.6 Sol。独立指纹识别显示,Ox Alpha 的分词器和视频 token 行为与智谱 AI 的 GLM-5.3 系列相匹配,尽管该实验室尚未就这一模型发表公开声明。

开发者测试显示,Ox Alpha 在完整 DeepSWE 基准测试中的成绩为 63%

开发者 Ben Davis 首先在 DeepSWE 上进行了一次包含 10 项任务的样本测试,并报告称 Ox Alpha 在首次测试中达到 80%,超过 Claude Fable 5 的 65% 和 GPT-5.6 Sol 的 52%。这一数字在模型于 8 月 20 日上线后的一天内广泛传播。两次独立的完整 113 项任务测试结果都接近 63%,大致相当于 GPT-5.6 Sol。DeepSWE 衡量编码代理首次尝试正确解决真实 GitHub 问题的频率,具体指标是从 91 个代码库中抽取的 113 项任务中通过的任务百分比。截至 8 月 22 日,Ox Alpha 尚未出现在 Artificial Analysis 或 LMSys Arena 上。

Ox Alpha 提供 100 万 token 的上下文窗口和多模态输入

该模型可免费使用,并能在单个上下文窗口中读取最多约 100 万个 token。它接受文本、图像和视频输入,并返回文本。该模型支持工具调用和函数调用,但不强制要求其 JSON 输出遵循指定 schema。OpenCode 表示,其路由每天可处理 100 万亿个 token。Nous Research 通过自有门户免费提供该模型,并声称其容量达到 1000 万亿个 token。OpenCode 的上线说明称,免费使用窗口自 8 月 20 日首次发布起约持续一周,因此可能在 8 月 27 日左右结束。

指纹证据指向智谱 AI 的 GLM-5.3 系列

独立指纹识别显示,Ox Alpha 的分词器在每项归一化测试中都与 GLM-5.3 相匹配。在四个不同片段中,该模型的视频 token 消耗量都与 GLM-5V-Turbo 完全一致。它还表现出 GLM 特有的错误和音频拒绝行为。Google、小米、DeepSeek 和 Microsoft 的 MAI 都曾被提出为可能的来源。小米的 MiMo v2.5 接受音频输入,而 Ox Alpha 拒绝音频输入。DeepSeek 从未推出视频能力,并且发布的是开放权重模型,而不是进行隐秘预览。Google 和 Qwen 使用不同的分词器和视频编码器。GLM-5.3 于 8 月 14 日作为纯文本模型上线,比 Ox Alpha 在完整视频支持下现身早六天。AI 分析师 Andrew Curran 于周五发文称,人们“似乎对 Ox Alpha 的来源更加没有把握”。

Stripe CEO 于 8 月 21 日称该模型非常令人印象深刻

Stripe 于 8 月 19 日同意收购 OpenRouter。Stripe CEO Patrick Collison 于 8 月 21 日在 X 上发文称,Ox Alpha“非常令人印象深刻”。这位科技高管的评论推动该模型在上线数小时内进入更广泛的讨论。Ox Alpha 已在 OpenRouter 上线,模型 ID 为 stealth/ox-alpha,也可通过 OpenCode、Cline 和 Nous Portal 使用。

常见问题

Ox Alpha 在 DeepSWE 上取得了怎样的基准测试表现?
Ox Alpha 在开发者 Ben Davis 进行的初始 10 项任务 DeepSWE 样本测试中达到 80%,但两次独立的完整 113 项任务测试结果都接近 63%,大致相当于 GPT-5.6 Sol 的表现。

Ox Alpha 提供哪些技术规格?
Ox Alpha 支持在单个上下文窗口中使用约 100 万个 token,接受文本、图像和视频输入,返回文本输出,并支持工具调用和函数调用,但不强制要求 JSON 输出遵循指定 schema。

哪些证据将 Ox Alpha 与智谱 AI 联系起来?
独立指纹识别显示,Ox Alpha 的分词器在每项归一化测试中都与 GLM-5.3 相匹配,其视频 token 消耗量在四个不同片段中都与 GLM-5V-Turbo 完全一致,并且表现出 GLM 特有的错误和音频拒绝行为。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论