产联社编辑 ｜沈潇

“牛来”闯入AI圈！

8月20日，一个顶着神秘代号Ox Alpha的大模型，悄无声息地出现在模型聚合平台OpenRouter和编程工具OpenCode上，没有发布会，没有技术报告，官方介绍只有一句话：

面向高效编程、长时间智能体任务和真实生产环境的前沿模型。

因为“Ox”在英文里正是“牛”的意思，又恰好撞上动画电影《牛来》刷屏全网的热梗，中国网友很快给它安排了一个接地气的昵称：“牛来大模型”。

但很快，网友发现，Ox Alpha不只是名字牛，实力也很牛。

凭借免费使用、超长上下文和出色的编程能力，Ox Alpha上线仅一天，就冲上OpenRouter调用量榜首，刷新平台单日模型用量纪录，连支付巨头Stripe CEO都亲自上手，留下四个字：“相当惊艳”。

但比性能更令人好奇的，是Ox Alpha的身世。一夜之间，AI圈集体变身侦探：这是智谱又藏了一手，还是谷歌憋了个大招？

一、“牛”在哪儿？免费且能打

Ox Alpha之所以能在一天之内冲上榜首，首先靠的是一套相当有吸引力的组合：免费、超长上下文，以及针对编程和智能体任务的能力。

根据OpenRouter披露的信息，Ox Alpha拥有约104.86万token的超长上下文窗口，最大能一口气输出13.1万token，同时支持文本、图片和视频输入，还能调用外部工具。

这有多厉害呢？简单来说，它单次能够读入的内容，足以覆盖一个大型代码仓库，或者数百页文档。对于需要长时间运行的编程智能体来说，这意味着模型不会频繁忘记前文，也不需要开发者频繁挑选上下文。

而这恰好就是Ox Alpha瞄准的场景。

OpenRouter给它的官方定位是面向编程、持续运行的智能体任务和生产环境。OpenCode也在Ox Alpha上线后迅速接入，并宣称其服务每天可以承载100万亿token的调用量。

说白了，Ox Alpha从一开始就是来干活的，而不是用来闲聊的。

紧接着，让这款“牛来大模型”迅速出圈的，是一波接一波的实测。

独立研究员Ben Davis从软件工程测试基准DeepSWE里抽了10道真实任务，结果Ox Alpha通过了其中8道，通过率80%。

同一批题目里，Claude Fable 5的通过率是65%，GLM-5.3和Grok 4.6都是62%，GPT-5.6 Sol只有52%，“匿名模型吊打一众旗舰”的说法迅速传遍全网。

随后，DeepSWE一作Wenqi Huang用完整的113项官方测试重新跑了一遍，Ox Alpha的通过率回落到约63%左右，跟顶级闭源模型比，大概只比Grok 4.6稍逊一筹。

而比跑分更有说服力的，是硅谷一众大佬的亲身背书。

支付巨头Stripe的CEO亲自上手体验后，留下“相当惊艳”四个字；智能体产品Hermes Agent的创始人则表示，Ox Alpha的表现超过了公司内部此前的评估标准；OpenRouter、T3 Chat等公司的CEO也纷纷跟进转发。

开发者们还顺手做了一些有趣的测试。有人让Ox Alpha接入游戏智能体操作《青蛙过河》，模型不仅完成了任务，还自行加入了新的游戏元素；也有人让Ox Alpha制作个人主页，一次生成多套不同风格的设计。

类似案例未必能替代严格的专业评测，却能让人更直观地看到它的多模态理解、工具调用和代码执行能力。

截至8月24日，Ox Alpha仍然稳坐OpenRouter调用量榜首。

也就是说，Ox Alpha不是单纯靠一个漂亮的榜单数字出圈，而是把免费使用、百万token级上下文、编程能力和智能体执行能力组合在了一起。

二、全网探秘“牛来大模型”的身份

“牛来大模型”是匿名上线，身份自然成了最大的悬念。

一开始，猜测五花八门。有人猜是小米MiMo，毕竟小米CFO刚公开说过新一代MiMo正在训练，还有过用“Hunter Alpha”匿名测试的先例；有人猜是腾讯混元，理由是能支撑如此大规模免费调用的厂商，本来就没几家。

随着讨论升温，网友们很快进入了“找证据”环节。

一批开发者开始像做模型取证一样，去寻找Ox Alpha在处理文字、图片、视频以及调用API时留下的各种“工程指纹”。

简单来说，就是不同模型在底层实现上会留下的一些细微习惯。比如同一段文字如何被切分成token，API如何处理参数，遇到错误时会返回什么提示，以及面对图片、视频时如何计算输入长度。

而从Ox Alpha测试出来的线索，逐渐指向了智谱的GLM。

有开发者拿25组提示词分别测试Ox Alpha和智谱GLM-5.3，发现两者的token切分结果高度一致。随后，又有人针对视频输入进行测试，发现Ox Alpha的处理规律与智谱此前公开的GLM-5V-Turbo存在较高相似度，而换成小米、通义千问等其他模型后，结果明显不同。

后续的黑盒测试进一步强化了这一判断。有研究者通过tokenizer、API参数、错误信息以及多轮工具调用等多个维度进行比对，发现Ox Alpha与智谱GLM-5系列在多个底层特征上高度吻合。其中一项最新测试甚至在25组tokenizer测试中几乎全部匹配。

更有意思的是，智谱此前上线的匿名模型代号叫Pony（小马），这次换成了Ox（牛），网友热评：“无论从生肖分类还是‘牛马’的隐喻来看，这个组合都很合理。”

就在“智谱说”越传越广的时候，谷歌反倒下场凑起了热闹。

谷歌DeepMind研究人员在社交平台上先后提到“Gemini”，还留下“万一Ox Alpha就是我们一路上遇到的老朋友呢”之类意味深长的暗示。话说得含糊，既没有正式认领，也没有明确否认，让这场猜谜游戏多了一层悬念。

截至目前，Ox Alpha仍然没有被任何一方认领，谜底大概率要等到免费测试期结束才会揭晓。

而类似的匿名大模型“解谜”游戏，其实早已不是第一次上演。

三、大模型厂商，纷纷匿名上线

Ox Alpha是OpenRouter近年来上线的第五款匿名模型（Stealth Model）。

回看此前几款匿名模型的“揭面”经历，就会发现，这已经逐渐成为模型厂商测试新模型的一种新玩法。

今年2月上线的Pony Alpha，首日调用量突破400亿Token，5天后由智谱正式确认身份，对应GLM系列模型。

3月11日上线的Hunter Alpha，参数规模达到万亿级别，一度被外界猜测是DeepSeek的新模型，最终由小米认领，对应MiMo-V2-Pro。

此后，4月上线的Elephant Alpha，大约两周后由蚂蚁集团旗下Inclusion AI公布身份；4月底出现的Owl Alpha，则一直到6月30日才被证实来自美团，对应LongCat-2.0。

而目前已经揭晓身份的四款匿名模型，均来自中国团队。那么，模型厂商们为何不约而同地选择匿名上线？

首先，匿名能够最大程度降低品牌带来的先入为主。开发者不知道模型背后是谁，只能根据实际体验判断模型好不好，这种真实反馈对于厂商来说，本身就是一轮低成本的市场测试。

比起厂商自己设计的跑分基准，把模型丢进真实的代码仓库和智能体框架里，让开发者连续调用几十甚至上百步，处理数小时的复杂任务，更容易暴露出长上下文是否稳定、工具调用是否可靠等问题，相当于一次大规模的“压力测试”。

这种玩法也是一种进可攻退可守的现实策略。模型表现足够好，就可以在热度最高的时候摘下面具，把测试成绩转化成一次正式发布；如果表现没有达到预期，也可以在不影响品牌声誉的情况下悄悄结束测试。

而对正在出海的中国模型厂商来说，匿名还有额外的好处。

比起DeepSeek、通义这些在海外开发者圈拥有一定知名度的产品，很多国产模型仍然需要时间建立认知。

先用匿名模型进入海外开发者社区，获得真实使用反馈，等测试出成绩了再摘下面具，等于是把一次发布拆成了两轮传播，热度更持久。

正因如此，匿名模型往往能够在短时间内制造出一种特殊的传播效果：开发者负责测试，网友负责炒热话题，而厂商则站在幕后观察模型究竟能不能打动用户。

按照此前几款匿名模型的发布节奏，Ox Alpha的免费测试窗口大概率会在8月27日前后结束。它到底是智谱藏了一手的新模型、还是谷歌尚未公开的Gemini版本，又或者来自此前未被猜到的玩家？答案或许很快就会揭晓。

参考资料：

《神秘「牛来」模型刷屏，还抢了DeepSeek头条，实测到底牛不牛》，APPSO；

《真是牛市啊，"牛来"跑了5万亿Token...》，AI深度科技；

《神秘「牛来」大模型刷屏，限时免费》，机器之心；

《神秘"牛来大模型"火爆外网，部分测试超过Fable、GPT-5.6》，DeepTech深科技；

《神秘「牛来」掀翻硅谷！谷歌抢着认领被全网笑惨》，新智元；

《匿名牛来大模型被扒出智谱血缘，也有人怀疑Cursor拿开源GLM训的》，量子位；

《调用量登顶！神秘牛来大模型是谁家的？》，东方财富网；

《神秘新模型"Ox Alpha"突袭OpenRouter，性能超过Fable 5？全网盲猜智谱或小米》，InfoQ。

商务合作/报料，请联系微信号：18801065284