神秘模型 Ox Alpha 突袭 OpenRouter：100 万上下文

8月20号深夜，一个忍者的表情包甩出来，OpenRouter 上多了一头叫 Ox Alpha 的"牛"。

模型是谁的？不知道。参数多大？没说。训练用了啥数据？保密。能不能跟 GPT、Claude 那些旗舰掰手腕？没人敢说。

但它能干一件事——把开发者圈当晚炸醒。

因为它给的待遇太离谱：100 万 token 的上下文、13 万 token 的最大输出、文本图片视频全能吃进去、工具调用和 JSON 结构化输出也支持，预览期完全免费。

OpenRouter 自己说得更明白：这是一款面向"长期 Agent 工作"的前沿编程模型——不是写一段代码那么简单，是要当一个能连续干几小时甚至几天的工程师。

先说让人炸的部分。

100 万 token 的上下文，13 万的输出，能吃图片能吃视频。

干过 Agent 的人知道这三个数凑一块儿意味着什么——你可以一次性喂进去一整个中型代码仓库，外加几百次工具调用的历史，外加几张产品截图和一段客户录屏的视觉参考，然后让 Agent 自己把活儿干完。

这种规格，过去只有 Google 的 Gemini 旗舰敢这么标。

现在一头连名字都不敢报的新模型，也摆出了同样的牌面。

而且它在 OpenRouter 上是免费的。

开发者不是傻子——免费的百万上下文，立刻被塞进 OpenCode、Claude Code 这类工具里跑真实项目。有人在十几个具体任务里把它跟 Fable 5、GPT-5.6 Sol、Grok-4.6 还有 GLM-5.3 拉一起横评，Ox Alpha 通过率 80%，第二名 Fable 5 是 65%。

注意，这个样本量很小，测试口径也不统一，榜单第一不等于"它就是新的王者"。但 80% 这个数字，至少说明它不是来凑数的。

那它最让人看不懂的地方是——为什么要匿名？

按以前的玩法，模型发布是这样的：先开发布会、公布技术报告、晒榜单、再开放 API。OpenAI、Anthropic、Google 全是这个路数。

Ox Alpha 反着来。

OpenRouter 自己说得很清楚：我只是路由，模型是第三方匿名供应商给的，预览期间保持隐身。

这套打法的逻辑其实挺狠。

对厂商来说，模型先匿名进入开发者的真实工作流，被压力测试，被骂被夸被反馈，最后揭晓身份——揭晓那一刻又是一轮传播。哪怕翻车，也能悄悄收场，不砸正式品牌。

对 OpenRouter 来说，它也不再只是"汇总各路 API 的中间层"，它正在变成模型公司的公开试验场——统一接口、真实开发者、海量 Agent 流量、真实使用数据，正好给即将发布的模型提供一块灰度测试田。

这件事真正的信号是：模型发布这件事，规则在被悄悄重写。下一步的新模型，可能不再先开发布会，而是先悄悄潜入开发者的终端，跑一周、烧几万亿 token，再带着真实反馈闪亮登场。

再说大家最关心的事——这头牛到底是谁家的？

匿名模型上线几小时，社区就玩起了大型"猜模型"。现在比较集中的怀疑方向有四个。

**第一个，也是呼声最高的小米 MiMo。**

证据链一条比一条硬。

时间点咬得很紧——8月18号，小米 CFO 林世伟在财报电话会上刚透露过，新一代 MiMo 正在训练、有望很快发布。小米没说具体型号，所以"MiMo V3"只是网友的临时称呼。

更关键的是，小米以前干过一模一样的事。今年 3 月，一款叫 Hunter Alpha 的神秘模型就在 OpenRouter 上免费上线，被外界猜成 DeepSeek V4，最后小米自己认领——其实是 MiMo-V2-Pro 的早期内部测试版。Hunter Alpha 当时也是 100 万上下文、也是冲着 Agent 去的，上线后很快烧掉 1 万亿 token 的调用量。

更巧的是产品定位。Ox Alpha 主打"高效编程、长期 Agent、生产环境"，目前的 MiMo 系列正好也把代码、工具调用、长周期 Agent 执行当主战场。

所以 Reddit 上有用户直接下判断：这玩意儿八成就是 MiMo V3，趁它还开着赶紧用。

**第二个怀疑对象是腾讯混元 HY 4。**

理由听着也合理——能扛住这么大规模免费调用的厂商本来就不多，腾讯在算力和推理基础设施上确实有这个底子。也可能是为了在正式发布前，先收一波真实 Agent 任务数据。

但猜测归猜测，目前没有 OpenRouter、腾讯或第三方机构给出任何能把它和混元绑定的硬证据。

**第三个怀疑对象是 Google Gemini。**

因为 Ox Alpha 也有百万上下文，也原生支持图片和视频输入，这两个特征摆在一起，确实容易让人往 Gemini 上想。

更绝的是有人跑去问 Ox Alpha"你是谁"，它居然回答"我是 Gemini"，截图一发出来，X 上就炸了。

但这种鉴别方式根本不靠谱。模型回答"我是 Claude"、"我是 GPT"、"我是 Gemini"，从来都不能当成归属证据——它可能就是从训练数据里学来的合理答案。

对 Stealth Model 来说，提供方本来就主动在藏身份，让模型"自报家门"等于问一个小偷"你是不是贼"。

Gemini 只是"缩小范围"的线索，不是答案。

**第四个怀疑对象是智谱 GLM-5.3。**

这条线看上去技术含量最高。有用户跑了 50/50 的对抗字符串测试——专门设计那种让模型"露出原形"的提示词——结果 Ox Alpha 的分词器和 GLM-5.3 匹配度最高，跟 Gemini、DeepSeek、Kimi 的匹配度都只有 18%-22%。

更重要的是，国内有用户提到一个细节：智谱之前出过一个叫 Pony Alpha 的模型，现在又冒出来一个 Ox（牛），命名风格像是同一个路数。

这条线最让人意外。

聊到这儿，我自己有个判断。

四个怀疑方向里，最像真凶的有两个——小米和智谱。

小米强在"历史重演"——3 月 Hunter Alpha 的剧本几乎是这次的预演，套路、时间点、产品定位全对得上。

智谱强在"技术指纹"——分词器匹配度是几个候选里最高的，而且 Pony Alpha 加 Ox 这个命名节奏，不像临时起意，更像是刻意的产品序列。

剩下两个方向——腾讯混元和 Google Gemini——更像"逻辑上能说得通但找不到硬证据"。腾讯有算力但没动机（混元最近没放出要发新版本的风声），Google 没必要这么藏着（它发新模型从来是大张旗鼓）。

但无论最后揭晓的是谁，这头牛背后的厂商，已经在打一种新的算盘——不再是"先发论文、再开放下载、最后收开发者"的旧三板斧，而是"先匿名潜入开发者的真实工作流、跑出真实反馈、再揭晓身份"的新打法。

最后一件事值得单独拎出来说。

ox alpha 有个细节挺让人玩味——它支持三档推理强度：low、high、max。

有人拿 SVG 测试题试过。low 档 13-21 秒搞定，high 档 19-23 秒，到 max 档推理字段直接飙到 1.7 万到 6.2 万字符，单次生成耗时拉到 124-355 秒。

问题来了：max 档生成出来的东西比 low 档好吗？细节确实多了——云朵、太阳、头盔、速度线都出来了。但核心构图——鹈鹕的腿有没有踩在踏板上、车架比例对不对——并没有相应幅度的提升。

这就是典型的"过度思考"。模型花了十几倍的时间和几十倍的 token，换来的主要是装饰细节，不是结构准确性。

这件事跟 OpenRouter 给它的定位——"sustained agentic work（可持续的智能体工作）"——其实是矛盾的。

真正能持续干活的 Agent，要的不是 max 档的炫技，是 low 档的稳定。一个模型如果每一轮都要花 200 秒思考，它根本撑不住几小时甚至几天的连续工作。

换句话说，这头牛如果真要"24 小时不眠不休当工程师"，它接下来得解决的不是"能不能做最难的事"，是"能不能用最便宜的方式把绝大多数普通事做对"。

这条路，比刷榜单难得多。

说回 Ox Alpha 本身。

它现在在 OpenRouter 上完全免费，输入输出都零——同规格的 Gemini 3.7 Flash 是 0.375 美元/百万 token 输入、1.875 美元/百万 token 输出，GPT-5.6 Sol Pro 直接是 2.5 / 15 美元。

对比之下，免费不是小恩小惠，是直接把几百倍的成本差距拍在桌面上。

当然这种免费不会永远持续。背后厂商肯定在观察：模型在真实 Agent Harness 里会在哪些工具调用上翻车？面对多长的上下文开始遗忘目标？连续修改几十个文件后还记不记得最初的需求？开发者愿不愿意在免费结束之后继续用？

这些问题答完了，这头牛才会从"匿名灰度"走进"正式发布"。

至于忍者面具后面到底是哪家——我赌小米。证据链最完整，剧本最像。

但我也可能被打脸。