神秘“牛来大模型”火爆表网，，，，，部门测试超过 Fable、GPT-5.6

8 月 20 日，，，，，AI 模型聚合平台 OpenRouter 颁布推文，，，，，颁发上线一款代号为 Ox Alpha 的匿名新模型。。。。。。。官方没有泄漏模型开发方，，，，，只将其描述为一款面向编码、长功夫智能体工作和现实出产环境的前沿模型。。。。。。。 模型参数信息不多：Ox Alpha 的高低文窗口约为 104.8 万 token，，，，，最大输出长度为 13.1 万 token，，，，，同时支持文本、图像和视频输入，，，，，预览期间能够免费挪用。。。。。。。？？？？？粗斩吮喑讨悄芴 OpenCode 也在当天颁发接入这款模型，，，，，并暗示为其筹备了每天 100 万亿 token 的挪用容量。。。。。。。 上线数幼时后，，，，，Ox Alpha 迅速吸引了社区把稳力，，，，，多位开发者对其发展密集测试。。。。。。。独立钻研员本·戴维斯（Ben Davis）拔取软件工程基准 DeepSWE 中的 10 个子工作进行测试，，，，，Ox Alpha 的通过率约为 80%，，，，，高于 Claude Fable 5 的 65%、GLM-5.3 和 Grok 4.6 的 62%，，，，，以及 GPT-5.6 Sol 的 52%。。。。。。。不外，，，，，这组了局来自戴维斯的幼我测试，，，，，DeepSWE 官方排行榜目前尚未收录 Ox Alpha。。。。。。。 最早是幼米 MiMo。。。。。。。8 月 18 日，，，，，幼米集团 CFO 林世伟刚刚泄漏，，，，，新一代 MiMo 模型在训练，，，，，很快会颁布。。。。。。。更巧的是，，，，，幼米此前已经在 OpenRouter 上这么做过：今年 3 月，，，，，MiMo-V2-Pro 曾以 Hunter Alpha 的名字匿名测试。。。。。。。 第二种可能指向智谱 AI（现已改名 Z.ai）。。。。。。。Ox Alpha 的 100 万 token 高低文、多模态输入和智能体定位，，，，，都与智谱最近的模型路线比力靠近。。。。。。。智谱也有匿名测试的先例，，，，，今年 2 月上线 OpenRouter 的 Pony Alpha，，，，，后来被证实就是 GLM-5。。。。。。。 第三个方向是腾讯混元，，，，，有 Reddit 用户直接猜测是“HY 4”，，，，，理由之一是能撑起如此大规模免费挪用的厂商并不多；；；；；；；第四个方向是 Google Gemini，，，，，凭据是百万高低文加原生视频输入的组合此前更常见于 Gemini 系列，，，，，甚至有测试者试图从 Ox Alpha 口钟装套话”，，，，，问及身份时，，，，，它自称为 Gemini。。。。。。。 四个方向各有支持，，，，，也各有缝隙，，，，，最后一种最容易被证伪：模型可能从训练数据、系统提醒或对话高低文里天生一个看起来合理却齐全失实的答案，，，，，统一个模型在分歧问法下，，，，，给出的答案也可能反复横跳。。。。。。。 几轮匿名模型测试下来，，，，，社区判断模型身份的方式也越来越技术化。。。。。。。？？？？？⒄卟辉僦黄净馗卜绺窈褪褂寐睦虏，，，，，而是起头比力分词器、视觉编码方式、特殊 token 反映等特点，，，，，并通过多个维度相互验证。。。。。。。 第一个步骤是分词器（tokenizer）指纹匹配。。。。。。。每一款大说话模型在处置输入文本时，，，，，城市先经过度词器把字符串切分成 token。。。。。。。分歧厂商训练的分词器有各自的词表和切分战术，，，，，即面对统一段文本，，，，，切出的 token 数量往往并不一样，，，，，暗藏难度极高。。。。。。。 一位分析者用 25 组分歧提醒词别离测试 Ox Alpha 和 GLM-5.3，，，，，发现两者的原始 token 数齐全一致，，，，，只是 Ox Alpha 每次城市固定多出 75 个 token。。。。。。。这一法规也被以为是它可能来自智谱 GLM 系列的又一项证据。。。。。。。 第二个步骤是视觉编码器（vision encoder）的 token 预算指纹。。。。。。。多模态模型处置视频输入时，，，，，会用一个视觉编码器把画面帧转化为 token 送入说话模型，，，，，这一步亏损的 token 数由采样帧率、时长缩放系数、分辨率处置战术等多个独立设计决定。。。。。。。 有人机关了四段用 ffmpeg 天生、参数固定的测试视频，，，，，顺次发送给 Ox Alpha 和各个候选模型，，，，，而后用总 token 数减去纯文本基线，，，，，得到视觉编码器的净亏损。。。。。。。了局显示，，，，，Ox Alpha 在四段视频上的亏损与智谱的 GLM-5V-Turbo 齐全一致，，，，，且同时匹配三个独立的编码器设计选择：帧率无关的采样、约每秒 147 token 的时长缩放、逐帧的分辨率缩放。。。。。。。作为对照，，，，，幼米 MiMo v2.5、通义 Qwen 3.8 Max、GLM-4.6V 的编码器署名与 Ox Alpha 差距显著。。。。。。。 第三个步骤是脏 token（dirty token）碰撞。。。。。。。即说话模型训练时，，，，，某些 token 由于在数据里呈显斓率低或散布异常，，，，，会成为模型的敏感点，，，，，遇到时容易触发异常输出。。。。。。。分歧模型家族的脏 token 散布并不一样。。。。。。。 第四个步骤是行为风格与工作节拍。。。。。。。有分析者统计了 Ox Alpha 在输出综合性回覆时的 emoji 密度，，，，，约为每千字符 1.3 个，，，，，这正是 GLM 系和 Qwen 系模型的典型风格特点（章节 emoji、红黄绿三色状态点、勾选列表），，，，，Claude、GPT-5.6 和 Grok 在同类工作上的密度靠近于零。。。。。。。 第五个步骤是排除法。。。。。。。幼米 MiMo 固然参数规模相近、也有匿名颁布的先例，，，，，但 MiMo V2.5 的一个标志机能力是原生音频输入，，，，，反观 Ox Alpha，，，，，其在音频要求上的回绝方式与 GLM-5V 齐全一致。。。。。。。更别提通常不绕弯子、直接开源权沉的 DeepSeek。。。。。。。进一步缩幼领域，，，，，通义 Qwen 3.8 刚刚公开颁布，，，，，编码器署名对不上；；；；；；；xAI、OpenAI、Anthropic、Gemini 等则在分词器、风格、编码器等特点上不匹配。。。。。。。 综合以上证据，，，，，本·戴维斯揣摩，，，，，Ox Alpha有约 99% 的概率属于智谱 GLM-5.x 系列，，，，，具体而言，，，，，可能是多模态旗舰 GLM-5.3V（视觉版）或下一代 GLM-5.5。。。。。。。另一份独立分析对这一判断给出的相信度是 90% 左右。。。。。。。 Ox Alpha 是 OpenRouter 上线的第五款“Stealth Model”（匿名模型）。。。。。。。在这一机造下，，，，，模型厂商能够暂不公开身份，，，，，将模型接入 OpenRouter 的统一 API，，，，，开发者则能够像挪用通常模型一样进行测试。。。。。。。比及测试告一段落后，，，，，厂商再选择是否公开模型身份。。。。。。。 值妥贴心的是，，，，，此前几款最终公开身份的 OpenRouter 匿名模型，，，，，背后都来自中国团队。。。。。。。今年 2 月，，，，，代号 Pony Alpha 的匿名模型上线，，，，，首日挪用量达到 400 亿 token，，，，，5 天后颁布身份，，，，，确以为智谱 GLM-5。。。。。。。3 月 11 日，，，，，Hunter Alpha 上线，，，，，同样具备万亿参数级规模和 100 万 token 高低文，，，，，一度被表界猜测为 DeepSeek V4，，，，，随后幼米确认其为 MiMo-V2-Pro。。。。。。。 4 月，，，，，主打效能的文本模型 Elephant Alpha 上线，，，，，约两周后由蚂蚁集团旗下 Inclusion AI 颁布身份。。。。。。。4 月底，，，，，主打智能体和工具挪用能力的 Owl Alpha 出现，，，，，直到 6 月 30 日才正式确认来自美团，，，，，对应模型为 LongCat-2.0。。。。。。。 顺着这个线索再看，，，，，Ox Alpha 也多了一点指向智谱的偶合：上次的马甲是“马”，，，，，这次是牛，，，，，无论从分类学还是从“牛马”的隐喻来看，，，，，都很合理。。。。。。。 匿名颁布的益处，，，，，首先是削减品牌自身对测试了局的影响。。。。。。。？？？？？⒄卟恢纺Ｐ屠醋阅募夜，，，，，更容易直接凭据现实阐发作出判断。。。。。。。对于但愿进入海表开发者市场的中国模型厂商来说，，，，，这种方式也能降低新品颁布时的品牌门槛。。。。。。。 除了 DeepSeek 和通义 Qwen，，，，，好多中国模型在海表开发者中的品牌认知度依然有限。。。。。。。相比直接以公司和产品名上线，，，，，匿名模型更容易引发社区的测试和会商。。。。。。。比及模型堆集肯定关注后再颁布身份，，，，，也相当于形成了两轮传布：先会商模型自身，，，，，再会商背后的厂商。。。。。。。 匿名测试还有一个更现实的价值，，，，，就是获得真实使用环境下的反馈。。。。。。。？？？？？⒄呋岚涯Ｐ徒尤敕制绲谋喑坦ぞ摺⒅悄芴蹇蚣芎痛氩挚，，，，，用它处置远比公开 benchmark 更复杂的工作。。。。。。。长高低文是否不变、工具挪用是否靠得住、陆续执行几十甚至上百步后还能不能维持指标，，，，，这些问题往往只有在大规模真实挪用中能力露出出来。。。。。。。 OpenCode 这次宣称为 Ox Alpha 筹备了每天 100 万亿 token 的服务容量，，，，，也注明这轮测试规模并不幼。。。。。。。对模型厂商来说，，，，，这部门投入既能够理解为推广成本，，，，，也能够看作一次面向真实用户的大规模压力测试。。。。。。。 依照此前几款匿名模型的颁布节拍，，，，，Ox Alpha 的免费测试可能在 8 月 27 日前后实现。。。。。。。现有技术分析普遍将它指向智谱 GLM 系列，，，，，更具体的猜测蕴含尚未颁布的多模态旗舰模型，，，，，但在官方颁布之前，，，，，这一判断依然只能算是揣摩。。。。。。。