福建
编程榜大地震！神秘模型Ox Alpha一夜干翻GPT和Claude
兄弟们，今天AI圈炸了。
一个叫stealth/ox-alpha的匿名模型，悄咪咪上了OpenRouter平台。然后独立研究人员一测，直接傻眼——DeepSWE基准测试10个确定性任务通过8个，Pass@1达到80%。
什么概念？Claude Fable 5通过率65%，GLM-5.3和Grok 4.6都是62%，GPT-5.6-sol只有52%。80%对52%，差了将近30个百分点。
更狠的是，有个叫“meriyah-explicit-resource-declarations”的任务，GLM-5.3、GPT-5.6-sol、Grok 4.6全部挂零，0/4。Ox Alpha一次过。一次过。另外还保持了51469项回归测试全部通过。
这差距，相当于你考了80分，同桌考了52分，然后你俩还共用一张卷子。
问题来了：这玩意儿是谁家的？
技术研究员Ben Davis在X上直接放话——“99%确定”是智谱GLM-5.x系列的产品。
证据链硬得跟钢筋一样：
视频编码器，四组受控视频测试，Ox Alpha和GLM-5V-Turbo的token消耗完全一致，帧率无关的帧采样、每秒约147 token的时长缩放、逐帧分辨率缩放机制，三项特征全部吻合。其他候选模型像MiMo v2.5、Qwen 3.8 Max，特征完全不一样。
分词器测试更绝。25个不同提示词测完，Ox Alpha的token计数和GLM-5.3完全吻合，只差一个固定的+75 token封装差异。说白了就是同一个词汇表，穿了个马甲。
音频接口也露馅了。Ox Alpha拒绝音频输入，这和GLM-5V一模一样。而MiMo v2.5是支持音频的。想冒充别人都冒充不了。
还有输出风格。Ox Alpha每千字符用1.3个emoji，跟GLM/Qwen系列差不多。Claude、GPT-5.6、Grok呢？接近于零。一个不用emoji的模型突然开始用emoji了，你说它是谁家的？
戴维斯还测了一个包含69次工具调用的智能体任务
整个过程只错了一次，没有重试循环，推理开销还低。Davis原话是：这玩意儿明显强于GLM-5.3，更像是下一代模型的检查点。
注意，GLM-5.3才发布一周。下一代已经在路上了？这迭代速度，跟坐火箭似的。
说到GLM-5.3，有个事特别有意思
8月14日智谱发布GLM-5.3，按理说开源模型应该同步放权重，结果智谱宣布推迟两周。理由是——模型在训练中展现出超出预期的网络安全能力，需要评估开放权重可能带来的风险。
翻译成人话就是：这模型太能找漏洞了，怕开源了被人拿去干坏事。
CyberGym测试里，GLM-5.3漏洞复现成功率84.5%，比GPT-5.6 Sol的83.6%还高。ExploitBench得分从上一代的24.4%直接翻倍到54.4%。
一个靠开源起家的公司，第一次因为模型太强不敢开源了。这剧情，电视剧都不敢这么写。
现在Ox Alpha免费一周
104.8万token上下文窗口，支持文本、图像、视频输入，有推理能力。免费，随便用。
这种套路似曾相识。之前Pony Alpha匿名上线，5天后智谱认领，就是GLM-5。这次Ox Alpha，历史怕是要重演。
说说我的真实想法
第一，国产模型追得真快。半年前还是“追赶者”，现在已经能在编程benchmark上正面干翻GPT和Claude了。虽然只是一部分测试，虽然样本量还小，但这个趋势摆在这儿。
第二，智谱这波“先匿名测再认领”的套路玩得溜。免费一周，开发者用了都说好，等官宣的时候热度已经炸了。比直接开发布会效果好十倍。
第三，也是最值得琢磨的——GLM-5.3因为“太安全”不敢开源，Ox Alpha因为“太能打”匿名上线。一个在藏，一个在秀。这背后到底是技术实力的体现，还是营销策略的博弈？反正不管哪种，智谱这波流量是吃满了。
最后说一句
Ox Alpha是不是智谱的？99%是。是不是GLM-5.x系列？大概率是。是不是下一代旗舰？Davis说像。
免费只有一周，想白嫖的抓紧。等官宣了再想用，可能就要掏钱了。
至于GPT和Claude那边——别急，你们卷了这么久，也该有人来踹门了。
（以上内容基于公开测试数据和个人观察，不构成任何投资建议）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
