“牛来大模型”Ox Alpha身份之谜：1M上下文免费不限量，Tokenizer指纹直指智谱

8月20日，一款名为Ox Alpha的匿名模型突然空降OpenRouter，104.86万token超长上下文、单次13.1万token输出、文本图片视频三模态输入，再叠加OpenCode平台连续数天几乎不限量免费使用——三天时间，它烧掉了250B token，成为全球开发者的焦点。更热闹的是身份之谜：一边是Tokenizer指纹和视频token预算层层指向智谱GLM，另一边是DeepMind研究员的暧昧发言把谷歌拉进”认牛大会”。本文用证据链复盘这场AI圈大型破案现场。

一、事件速览：8月20日，一头匿名”牛”闯进AI圈

8月20日，OpenRouter上线了一款来历不明的模型：Ox Alpha。平台方只留下一句说明——它来自一家”暂时保持匿名的第三方提供商”。据量子位报道（凤凰网科技转载），因为Ox就是”牛”，又正赶上《牛来》梗火遍互联网，国内网友干脆给它起了个亲切的外号：”牛来大模型”。

匿名+顶配+免费，三个要素叠加，效果立竿见影。开发者们拿着代码库、终端和各种刁钻任务一拥而上给它出题，社区里迅速分化出两大侦探阵营：一派验Tokenizer、测视频token消耗、抓API报错，恨不得给模型做一套”数字DNA鉴定”，把嫌疑锁定在智谱；另一派盯着DeepMind员工最近的社交媒体发言，以及那个迟迟没有正式露面的Gemini 3.5 Pro，坚信这头牛来自谷歌。

这不是OpenRouter第一次上演匿名模型猜谜戏码，但很可能是热度最高的一次。原因很简单：这头牛不仅免费，还真的很能干活。

二、规格拆解：1M上下文+131K输出+三模态，就是冲着代码Agent来的

先看纸面规格。Ox Alpha的配置放在2026年8月的模型圈里依然激进：

项目	Ox Alpha规格	业界常规水平
上下文窗口	104.86万token（约1M）	旗舰级普遍128K-1M
单次最大输出	13.1万token（131K）	普遍8K-64K
输入模态	文本+图片+视频	多数仅文本/图片
定位方向	代码、长周期Agent、复杂推理	通用对话为主
工具调用	支持	旗舰标配
推理模式	强制推理模式	可选

这些数字意味着什么？据量子位的解读，1M上下文意味着一次Prompt理论上能塞进整个大型代码仓库、数百页文档，或者一长串Agent运行记录；131K最大输出则远超普通聊天场景，为的是让模型一次性吐出完整的大型项目代码。再加上图片和视频输入、工具调用以及强制推理模式，Ox Alpha从一开始瞄准的就是代码Agent和长周期任务——这正是当下竞争最激烈的模型赛道。

本站在此前对智谱GLM-5.3的深度解析中提到过，编程与长程Agent已是国产旗舰模型的军备竞赛主战场；而Ox Alpha的规格画像，恰好与这条路线完全吻合。这也是它被怀疑”出身名门”的第一个原因：无名之辈很难拿出这种工程规格。

三、免费风暴：OpenCode Go不限量供应，几天烧掉250B token

规格只是入场券，真正把Ox Alpha推上风口的是免费策略。OpenCode随后宣布，Ox Alpha上线OpenCode Go，连续数天几乎不限量免费使用，而且不计入用户原本的Go额度。公开讨论中甚至出现了”每天100万亿token级别服务容量”的说法——即便按保守口径估计，这也是一场教科书级的流量轰炸。

效果如何？OpenCode公开数据显示，这头”劳模牛”已累计出现250B token级别的使用量，拥有约8500名独立用户和超过11万次完成会话。连Stripe CEO Patrick Collison都亲自上手试了一遍，给出的评价是：”It’s very impressive.”（非常令人印象深刻。）

对普通开发者而言，这是实打实的红利窗口：不用注册海外支付方式、不用买API套餐，就能白嫖一款1M上下文的多模态旗舰级模型跑真实任务。至于平台方为什么愿意烧这个钱——匿名模型+免费额度本身就是最便宜的全球众测，后面第九章会展开这个商业逻辑。

四、破案线索一：Tokenizer指纹——75个token的固定偏移

现在进入本文最有意思的部分：全网侦探是怎么给一头匿名牛做”DNA鉴定”的。第一条线索来自Tokenizer。

背景知识：tokenizer负责把输入内容切成模型能处理的token。不同模型家族往往采用不同的词表和切分逻辑，所以面对一些刻意设计的文本时，token数量会留下较稳定的”指纹”——想通过蒸馏或后训练模仿另一款模型的回答风格容易，但换个词表这件事，外部很难伪装。

据量子位报道，有测试者拿不同Prompt对Ox Alpha和多款模型进行比较，结果发现Ox Alpha与GLM-5.3的token计数呈现高度一致的关系。一组流传较广的测试中：同样一段混合了中英文、代码和emoji的文本，GLM-5.3与GLM-5.2都计算出68个token，而Ox Alpha显示143个——多出来的75个token，恰好能够由模型外部附加的一段隐藏System Prompt解释。另有测试者使用25组不同Prompt进行验证，也观察到了类似的固定偏移关系。

换句话说：如果把隐藏System Prompt的75个token扣除，Ox Alpha的Tokenizer行为和GLM-5.3几乎完全重合。这是”智谱说”的第一块基石。

五、破案线索二：视频token预算——每秒147个token的”血缘”

如果说Tokenizer指纹还有”碰巧相似”的辩解空间，第二条线索的技术含量就高得多：视频token预算。

原理：文本模型可以通过蒸馏、后训练或者System Prompt去模仿另一款模型的回答习惯，但视频编码和token预算涉及多模态输入进入模型之前的工程设计——采样帧率怎么定、每帧分配多少token、时长增长时预算怎么膨胀，这些属于模型基础设施层的”底层工程指纹”，极难伪装。

据量子位报道，有研究者专门制作了4段受控测试视频，分别交给Ox Alpha和几款多模态模型，观察系统为视频分配多少输入token。结果，Ox Alpha和GLM-5V-Turbo在多项特征上出现了高度相似的token预算：

• 视频帧率变化后，采样策略基本不受影响；

• 视频时长增加时，token消耗约以每秒147个token的速度线性增长；

• 每帧分辨率变化对应的token缩放方式一致；

• 在4段控制视频上，两者测出的额外token预算甚至能够逐项对上。

对照组里，MiMo、Qwen和GLM-4.6V等模型都呈现出与Ox Alpha不同的特征。也就是说，在视频处理这个”难以伪装”的维度上，Ox Alpha与智谱GLM-5V-Turbo的工程指纹高度吻合。这是”智谱说”目前最硬核的证据。

六、破案线索三：API错误码与”trained by Z.ai”彩蛋

第三条线索来自API服务层——这是侦探们”钓鱼执法”的成果。

据量子位报道，社区有人故意给Ox Alpha传入异常参数，捕捉到了类似”[1210] The temperature parameter is illegal”的错误信息。这种错误码格式、参数限制以及中英文混排的返回方式，被认为与智谱相关服务存在较高相似度。毕竟正常自建服务的报错格式千奇百怪，能撞上同一套错误码编号体系的概率并不高。

更戏剧性的是，甚至还有用户声称在模型的推理输出中捕捉到过”trained by Z.ai”这样的残留信息——Z.ai正是智谱的海外品牌域名。不过需要强调，这一条目前主要来自社区截图和二手转述，证据等级明显低于前面的Tokenizer测试和视频token测试，现阶段更适合当作彩蛋来看。

证据	指向	证据等级
Tokenizer计数与GLM-5.3高度一致（固定偏移75）	智谱	强（25组Prompt复现）
视频token预算与GLM-5V-Turbo逐项吻合（147 token/秒）	智谱	强（工程指纹难伪装）
API错误码[1210]及中英混排报错格式	智谱	中等（相似度高）
推理输出疑似残留”trained by Z.ai”	智谱	弱（社区截图，二手转述）
DeepMind研究员Evan Otero暧昧发言	谷歌	弱（vague posting，无实证）
Gemini 3.5 Pro长期跳票+规格画像吻合	谷歌	推测（时间线+产品画像）

有意思的是，所有硬证据都指向智谱一边，而谷歌一边目前只有氛围证据。但AI圈的剧情从来不能只看证据——接下来就是反转部分。

七、反转剧情：DeepMind暧昧发言，谷歌成”认牛大会”热门

原本智谱的线索一路领先，结果8月22日前后，剧情拐向了谷歌。

先说客观背景：Ox Alpha公开的产品画像确实容易让人联想到Gemini——1M级超长上下文、原生图像和视频输入、面向长期Agent任务、强调复杂代码工程和工具调用，这些都是谷歌过去几代Gemini持续重点投入的方向。而谷歌此时恰好还有一款迟迟没有正式公布的旗舰：今年Google I/O期间，官方曾给出Gemini 3.5 Pro”Coming next month”的预期，结果发布时间一拖再拖，外界至今仍在等待。

真正的爆点是人事动态。据量子位梳理，Google DeepMind研究员Evan Otero在相关讨论中先发了一个词”Gemini”，随后又补了一句：”如果Ox Alpha就是我们一路遇到的朋友呢？”（What if Ox Alpha is the friend we made along the way?）

当然，这两条发言都没有明确表示”Ox Alpha就是Gemini”，但在全网疯狂猜模型身份的背景下，迅速被社区解读为一次标准的vague posting（暧昧发帖）。Techmeme汇总的社媒讨论里，还有开发者注意到近期Gemini团队成员突然密集谈论Gemini以及下一代模型，也有人因此把牛来大模型与Gemini 3.5 Pro甚至Gemini 4联系起来。

于是网上迅速分成两派：一派拿着Tokenizer和视频token账单喊”这明明就是GLM”；另一派指着DeepMind的𝕏帖子说”Google你别演了”。平心而论，目前没有公开证据能坐实任何一方——这也恰恰说明，在蒸馏、模型融合、后训练以及第三方推理服务越来越普遍之后，”模型是谁训练的”和”模型在哪里部署”甚至都可能是两道独立的题。

八、性能罗生门：80%通过率的小样本测试 vs “低于预期”的差评

身份成谜的同时，Ox Alpha的实力同样充满争议，堪称罗生门。

捧的一方拿出了实测数据：一项包含10个真实软件工程任务的社区测试里，Ox Alpha完成8个，通过率80%。同一组任务里，Fable 5为65%，GLM-5.3为62%，GPT-5.6 Sol为52%。

模型	完成数（/10）	通过率
Ox Alpha	8	80%
Fable 5	6.5	65%
GLM-5.3	6.2	62%
GPT-5.6 Sol	5.2	52%

⚠️ 注意：这只是10道题的小样本社区测试，不属于官方Benchmark，远远不足以证明Ox Alpha综合能力已经超过这些旗舰模型。

踩的一方同样有来头。Abacus.AI CEO Bindu Reddy公开表示，他们测试后发现Ox Alpha表现低于预期，一些指标只达到较早一代模型的水平；沃顿商学院教授Ethan Mollick的评价是”惊艳程度一般般”；还有开发者用自己的私有Benchmark测试后认为它在低推理强度下表现一般，视觉任务中也有人发现它明显弱于Gemini系列。

所以眼下对Ox Alpha最准确的描述可能还是：一款在某些代码和Agent任务上表现极亮眼、规格极激进，同时评测结果分歧极大的匿名模型。免费+神秘身份，给它额外套了一层流量Buff——评价体系本身也被流量污染了，这正是匿名期模型的典型困境。

九、前科与范式：从Pony Alpha到Ox Alpha，匿名发布成模型圈新玩法

为什么全网看到Ox Alpha的第一反应是”智谱，你又来了”？因为前科实锤。

据量子位回顾，今年2月，OpenRouter曾经上线另一款匿名模型Pony Alpha，当时大家也围着它猜了半天，最后OpenRouter揭晓答案——Pony Alpha就是GLM-5的早期测试版本。所以这次Ox Alpha一出现，不少人的直觉就是同一套剧本重演：先匿名挂出来让全球开发者免费压测，收集真实负反馈，修完bug再官宣。

这套”匿名发布”范式的商业逻辑其实非常清晰：

• 免费众测替代内部评测：8500名独立开发者、250B token的真实使用，比任何内部Benchmark都能暴露长尾问题；

• 匿名规避舆论风险：表现好是惊喜，表现差无人追责，官方从容迭代；

• 悬念营销零成本：身份之谜自带传播性，全网自发破案等于免费广告；

• 竞对情报烟雾弹：对手无法确定这是新模型还是旧模型换皮，定价与发布节奏都被打乱。

顺带一提，匿名期的干扰项还包括”Cursor拿智谱开源模型自己再训一遍，然后套个牛头”这类调侃——在开源权重+定制后训练盛行的年代，这种解释竟然也无法被排除。本站在开源大模型许可证深度拆解一文中讨论过，Kimi K3与Qwen3.8-Max的开放权重正让”拿别人家底座练自己家模型”成为现实操作，模型血缘的模糊化已经是行业性课题。

至于答案，大概率不会藏太久。按照OpenRouter最近几次Alpha模型的剧情发展，匿名期结束之后，总得有人出来牵牛回家。

十、开发者行动指南：白嫖姿势、测试建议与匿名期风险

给想上手的开发者四条实操建议：

1. 入口：OpenRouter搜索Ox Alpha，或直接用OpenCode Go（免费几乎不限量、不占原额度）；适合跑代码仓库级长任务、长文档处理、Agent工作流验证。

2. 测试建议：别迷信单一榜单，用你自己的真实任务测；重点测长上下文召回（100万token深处放关键信息再提问）、多轮Agent稳定性、视频理解三个差异化能力。

3. 匿名期风险：不要把公司核心代码、敏感数据喂给匿名模型——你不知道日志被谁收集、用于什么后续训练；免费期随时可能结束，别把生产链路绑死在上面。

4. 理性吃瓜：身份揭晓前，一切结论都是概率推断；对开发者而言，”好不好用”比”是谁家的”更重要，等官宣了再看也不迟。

后续如果智谱或谷歌官方认领这头牛，本站将第一时间跟进拆解。也欢迎回顾我们此前的相关深度内容：智谱GLM-5.3发布深度解析、DeepSeek Harness开源Agent框架拆解，以及AI办公智能体大战分析。