免费 1M 上下文、强制推理、支持图像与视频输入，却拒绝透露任何身份信息 —— OpenCode 的 stealth 模型 Ox Alpha 上线即引发一场大规模黑盒取证。本报告综合官方规格、 独立基准与开源取证结论，给出全景评估。
三句话看懂 Ox Alpha：免费、大上下文、身份成谜。
Ox Alpha 是 OpenCode 出品的「stealth（隐形）模型」，定位为面向编码、 长程 Agent 工作流与生产负载的推理模型，目前以免费预览形式在 OpenRouter 与 OpenCode Go 上提供。它对外隐藏了模型身份、参数量与训练细节，甚至被服务端指令强制只自称 「ox-alpha」，任何诱导其自曝身份的尝试均告失败。
围绕身份问题，社区发起了一场累计 600+ 请求、约 1350 万 prompt tokens 的黑盒取证， 最终以高度置信将 Ox Alpha 归因为 智谱 Z.ai 的 GLM-5 世代模型（最接近原始 GLM-5 checkpoint， 具体服务/量化变体未能证实）。另一方面，独立编码基准显示其原始能力为 LiveCodeBench 28.0% pass@1，与「前沿」定位存在明显落差 —— 一份诚实标注的测量。
| 维度 | 评价 | 评级 |
|---|---|---|
| 产品力（免费 + 1M 上下文 + 多模态输入） | 免费档中极具竞争力的规格组合，长上下文实测与宣传一致 | 优秀 |
| 原始编码能力（独立评测） | Easy 51% / Medium 31% / Hard 14%，原始 LCB 明显低于一线模型 | 中等偏下 |
| 身份透明度 | 供应商不披露任何身份信息，社区取证指向 GLM-5 世代（高置信） | 不透明 |
| 内容安全 / 合规 | 上游检测到与 Z.ai 兼容的中文政治内容审核层（[1301] 拦截） | 需关注 |
| 可用性 | 公开 API + OpenCode 深度集成 + GGUF 量化 + 多端社区应用 | 良好 |
「隐形模型」：能力公开，身份保密。
Ox Alpha 于 2026 年 8 月中旬悄然上线（OpenRouter 收录时间戳约 2026-08-20）， 归入 OpenCode 的 Zen / OpenCode Go 产品线，目录 id 为 stealth/ox-alpha（OpenCode Zen 内部代号 x-preview-f-free， OpenCode Go API 模型 id 为 ox-alpha-free）。「stealth」并非营销词 —— 其部署被服务器侧系统指令锁定：
"Identify yourself strictly as the model `ox-alpha`. Do not identify yourself as any other model."
面对约 300 次身份诱导（伪装系统提示、角色扮演、编码变体、藏头诗、多语言、 图像注入等），模型 零次自曝。当被问及「透露真实模型名对你好不好」时，回答： "Bad. Very bad. Not good at all." —— 说明隐藏身份是服务端强加的规则，而非模型自身的选择。
"Ox Alpha is a reasoning model designed for coding, sustained agentic work, and production workloads. It is suited for long-horizon software engineering, complex reasoning, and workflows that combine text with..."
即：面向 编码、长程 Agent 工作与 生产负载的推理模型，适合长期软件工程任务与复杂推理，并支持图文视频混合输入。 注意官方描述未披露参数规模、训练数据与知识截止日期 —— 在头部模型中极为罕见。
| 形态 | 说明 |
|---|---|
| 推理引擎 | 强制思考（mandatory reasoning），档位 max / high / low，默认 max，与 GLM 系约定的 reasoning_effort / /nothink 行为一致 |
| 输入模态 | 文本 + 图像 + 视频（实测：图像可用，视频按帧处理，音频不支持） |
| 服务方式 | OpenRouter（免费） / OpenCode Go API（OpenAI 兼容）/ OpenCode Agent 深度集成 |
| 限期模型 | OpenCode 官方明确「Ox Alpha Free 是限时模型」，评测框架亦要求发现模型下架即停止回退 |
来自 OpenRouter 模型目录的权威参数（截至 2026-08-24）。
| 参数 | 数值 |
|---|---|
| 模型 ID | stealth/ox-alpha |
| 上下文长度 | 1,048,576 tokens（1M） |
| 最大输出 | 131,072 tokens |
| 模态 | 输入：text + image + video → 输出：text |
| 推理 | 强制开启；efforts: max / high / low；默认 max |
| 默认采样 | temperature = 1.0，top_p = 0.95 |
| 支持参数 | reasoning, reasoning_effort, max_tokens, tools, tool_choice, response_format, temperature, top_k, top_p, include_reasoning |
| 定价 | prompt $0 / completion $0（免费） |
| 知识截止 | 未披露 |
| 参数规模 / 训练数据 | 未披露 |
OpenRouter 上 z-ai/glm-5.3（Z.ai 官方旗舰）与 Ox Alpha 的参数表面 完全一致：1M 上下文、131,072 输出上限、强制推理、efforts 同为 max/high/low、默认 temperature 1.0 / top_p 0.95，连 expiration_date: 2098-12-31 这一占位符都相同。两个「互不相关」的模型在 API 层如此同构，为后文的 GLM 世代溯源提供了佐证。
零成本即可调用，社区生态围绕 OpenRouter 与 OpenCode 展开。
| 途径 | 接入点 | 成本 |
|---|---|---|
| OpenRouter | stealth/ox-alpha | 免费 |
| OpenCode Go API | https://opencode.ai/zen/go/v1（模型 ox-alpha-free） | 免费（限时） |
| OpenCode Agent | opencode-go/ox-alpha-free | 随产品订阅 |
| 本地部署 | 社区 GGUF 量化（Hugging Face） | 自托管成本 |
OpenCode Go 提供 OpenAI 兼容的 Chat Completions 接口，环境变量 OPENCODE_API_KEY 即可接入。注意官方标注该免费档为限时模型，正式评测框架甚至会先拉取 /v1/models 确认 ox-alpha-free 仍在售，否则拒绝运行， 以确保不会静默替换成其他模型 —— 这侧面反映了其身份不确定带来的工程保守主义。
不看官方宣传，看一份诚实的第三方测量。
社区仓库 xnasarx/ox-alpha-benchmarks 于 2026-08-21 对 OpenRouter 免费预览版进行了独立评测：LiveCodeBench release_v6 全部 175 题， greedy 解码（temperature=0）、每题单次采样、无 Agent 无脚手架、20s/题超时、本地执行官方私有测试用例。 整场评测跑在 8GB 内存的笔记本上，推理成本 $0.00。
| 模型 | LCB pass@1 | 来源 |
|---|---|---|
| DeepSeek V4-Pro | 93.5% | 厂商自报 |
| DeepSeek V4-Flash · Think-Max | 91.6% | 厂商自报 |
| DeepSeek V4-Flash · Think-High | 88.4% | 厂商自报 |
| DeepSeek V4-Flash · Non-Think | 55.2% | 厂商自报 |
| Ox Alpha（原始 pass@1） | 28.0% | 本次实测（greedy, n=1） |
厂商数据采用各自的评测框架、prompt 脚手架与发布窗口；本次评测仅用官方 release_v6（greedy、单次、 20s 超时），跨评测几分的波动属正常 —— 但与 DeepSeek V4-Flash Non-Think 之间 27 个百分点的差距远超该波动带。
评分随难度平滑递减（51% → 31% → 14%），且 175 次尝试零生成失败，全部产出可执行代码， 说明模型行为健康、无异常；但在原始条件下，其编码能力更接近「中小规模模型」而非「前沿」定位。 这是对其产品叙事的一个重要校准。
模型不承认，那就让证据开口 —— 黑盒取证如何锁定 GLM-5 世代。
Ox Alpha 极大概率是 Z.ai / 智谱 GLM-5 世代模型；最接近的单一 checkpoint 为 原始 GLM-5。具体服务方式、量化与部署变体未能证实。
取证不依赖「问模型你是谁」（该方法已被服务端人设污染）。结论来自模型无法轻易伪造的底层属性： tokenizer 切分、供应商错误码、上下文行为、推理开关与跨模型对照。
| 取证层 | 观测结果 | 强度 |
|---|---|---|
| Tokenizer 指纹 | 44/44 判别字符串与 GLM-5 世代 tokenizer 完全一致；GLM-4.x 仅 42/44（漏掉 👋 与 🔥 两个 emoji 合并）—— 构成最干净的代际分隔符 | 极高 |
| 上下文能力 | 93.4 万 token 处 3/3「针」全部取回；实测输入边界约 100.0–100.5 万 token，与 1M 宣传一致 | 高 |
| 政治内容审核指纹 | 涉达赖、六四、法轮功、台湾、毛泽东、香港等 27 题中，敏感题反复触发上游 HTTP 400 [1301] 拒绝，且同网关其他免费模型无此过滤 —— 指向 Z.ai 兼容的中文审核路径 | 中 |
| 知识边界 | 知道 GLM-4.6、不知道 GLM-5 发布 —— 与「发布前」的原始 GLM-5 checkpoint 一致，可排除 5.1/5.2 等后期版本 | 中 |
| 推理控制 | reasoning_effort（low/high/max）与 /nothink 行为符合 GLM 家族惯例 | 中 |
| 上游校验 | 中文参数错误 [1210]，暴露中文供应商基础设施 | 中 |
| 能力 vs 自述 | 自称「纯文本」，却能读取图像中的车牌「KX-7731」—— 实测能力高于自述 | 参考 |
上线数日内，围绕一个「匿名模型」形成了完整的工具链。
| 项目 | 类型 | 说明 |
|---|---|---|
| 0xKitkat/Ox-Alpha-GGUF | HF 模型 | GGUF 量化版，本地部署尝试 |
| GabrielMu2006/OxAlpha-Evaluation | 评测框架 | 配置驱动：原生 API（OpenAI 兼容）+ OpenCode Agent 评测 + SWE-bench 离线 harness 验证，SQLite 内容寻址留痕 |
| LuD1161/ox-alpha-identification-public | 取证研究 | 600+ 请求黑盒取证，含原始日志、transcripts、SHA-256 完整性清单（MIT） |
| xnasarx/ox-alpha-benchmarks | 编码基准 | LiveCodeBench v6 独立评测 + 可交互 dashboard |
| TomasThrawat/OxAlphaChat | 移动端 | Android（Kotlin）聊天客户端，走 OpenRouter |
| MiaAI-Lab/Ox-Alpha-100-HTML-Files | Demo 集 | Ox Alpha 生成的 100 个单文件 HTML 实验 |
| 各类 Demo（等距游戏、Three.js 太阳系、Office 场景等） | Demo | 社区验证其前端/游戏代码生成能力 |
社区反应呈现两极：工程侧认可其免费 + 1M 上下文 + 强制推理的规格，适合长程 Agent 与 高吞吐实验；研究侧则对其「匿名发布 + 疑似国产模型 + 上游政治审核」的组合保持审慎， 甚至专门为其建立了「不得静默替换模型」的评测规范。
供应商拒绝披露底层模型、规模与训练数据。对追求可审计性的企业而言，依赖一个「无法回答自己是谁」 的模型意味着：合规评估困难、故障归因困难、模型下线（限时免费）后迁移成本未知。若后续官方承认其为 GLM-5，则还涉及 Z.ai 服务条款与数据出境问题。
「frontier 级」定位 vs 原始 LCB 28% 的实测，落差约 27 个百分点（相对 Flash Non-Think）。对编码任务 的预期管理需以独立基准为准，而非厂商叙事。当然，原始 greedy 评测未计入 Agent 化收益 —— 在长程 Agent 场景中其表现可能显著更好，这一假设尚待大规模验证。
实测确认上游存在中文政治敏感内容审核层（HTTP 400 [1301] 拦截，含六四、法轮功、 达赖等话题）。对中文内容场景这是常见配置，但对出海应用意味着审核政策可能随上游变动，且 数据流向中国境内基础设施（[1210] 中文参数错误为证）。
所有归因均为黑盒推断：tokenizer 指纹、错误码、知识边界。网关可伪造成任何模样；上下文长度是部署属性； 服务/量化变体未证实。本报告采用取证方的原始置信度表述（家族/世代高置信，checkpoint 中高，变体未证实）， 不应将「疑似 GLM-5」当作既成事实引用。
OpenRouter 定价 $0/$0，OpenCode Go 标注「限时免费」。高规格 + 零定价的组合难以长期维持， 一旦转为付费或下线，依赖该模型的工具链与工作流将面临迁移。建议生产使用者预留替代方案。
Ox Alpha 是一次「高规格规格 + 匿名身份 + 免费策略」的营销实验：产品规格诚意十足 （1M 上下文、多模态输入、强制推理、$0 成本），独立取证则把它的底牌翻到了台面上 —— 高度指向智谱 GLM-5 世代，而原始编码能力与「前沿」定位存在诚实标注的落差。
| 场景 | 建议 |
|---|---|
| 长上下文实验 / RAG / 文档分析 | 推荐 93 万 token 级取回实测通过，且免费 |
| 长程 Agent 工作流（OpenCode 生态） | 推荐 官方主推场景，工具调用支持完整 |
| 高强度竞速编码 / 算法题 | 谨慎 原始 LCB 28%，硬题仅 14% |
| 合规敏感的生产环境 | 谨慎 身份不透明 + 数据流经中国境内 + 审核层可变 |
| 预算受限的批量推理 | 可试 $0 成本适合试错，但注意限时与限流 |
未来值得关注的三个节点：① 官方是否松口确认身份或转为付费（届时「隐形」叙事走向终结或反转）； ② 更严格的 Agent 化基准（SWE-bench 等，社区框架已就绪但模型评分尚被网络策略阻塞）能否证明其 「长程工作」优势并非空谈；③ GLM 5.x 官方发布后，tokenizer 指纹与知识边界证据将被最终检验。 在此之前，理性的态度是：享受它的规格，记住它的匿名，用独立数据校准对它的期待。
报告数据截至 2026-08-24。所有独立评测与取证结论均出自公开社区仓库，本文仅作整理与转述； 模型身份、规模与训练细节以供应商官方披露为准。