OpenRouter的匿名模型Ox Alpha，DeepSWE约80%远超Claude Fable 5

8月20日，全球最大AI聚合平台OpenRouter上线匿名AI模型"Ox Alpha"，免费开放一周。开发者Ben Davis让Ox Alpha完成了DeepSWE基准测试（衡量AI读取真实代码库、识别漏洞并生成有效补丁的能力）的十项任务。

结果显示：Ox Alpha得分约80%，而Claude Fable 5为65%，GPT-5.6 Sol为52%。Davis本人表示，鉴于模型来源不明，这一结果令他困惑。

目前种种线索指向智谱公司。Ox Alpha的模型能力与DeepSeek和智谱近期的模型路线高度吻合。此前智谱GLM-5.3 API已正式上线，AA综合智能指数60分，与Kimi K3并列开源第一。

一、事件背景

• 上线时间‌：2026年8月20日，Ox Alpha以模型ID stealth/ox-alpha 在OpenRouter平台正式上架，开发与运营方全程保持匿名，未对外披露任何企业身份信息。
• 限免规则‌：OpenRouter官方确认，平台端的免费访问窗口持续至2026年8月24日，而模型开发方同步承诺的一周免费周期则将持续至8月27日，输入与输出token全程零计费。
• 早期热度表现‌：上线4天内，该模型的平台调用量突破百万次，大量开发者自发完成多维度基准测试，相关测试结果快速在全球技术社区扩散。

二、技术参数

• 上下文窗口‌：Ox Alpha拥有1,048,576 token的超长上下文，支持最高131,072 token的输出长度，可一次性加载完整大型代码库的全部源文件与配套文档。
• 多模态支持‌：支持文本、图像、视频三类输入，输出格式仅为文本，音频输入请求会被直接拒绝。
• 工具能力‌：原生支持函数调用与结构化JSON输出，无需额外配置即可对接各类外部工具链，适配长周期智能体工作流需求。
• 定向优化方向‌：模型专门面向软件工程场景、复杂长链路推理任务做了深度优化，主打长周期智能体运行、复杂代码工程开发、图文结合的多模态工作流处理能力。

三、基准测试

• 核心得分‌：在面向真实软件工程场景的DeepSWE基准测试中，Ox Alpha取得约80%的任务完成率，大幅超越Claude Fable 5的同期测试成绩。
• 场景优势‌：在多文件代码修改、依赖冲突排查、大型项目重构等复杂编码任务上，Ox Alpha的表现优势最为明显，可自主完成跨数十个源文件的逻辑修改，无需人工分步引导。
• 实测反馈‌：大量独立开发者的本地测试显示，该模型在处理上万行代码的全库级调试任务时，输出的代码可直接运行率远高于当前主流商用编码模型。

四、细分场景对比

补充延伸实测细节

• ‌实测运行效率‌：在处理10万行代码级别的中型项目重构任务时，Ox Alpha的平均耗时约18分钟，Claude Fable 5完成同类任务平均耗时超过35分钟，效率提升近一倍。
• ‌输出代码质量‌：开发者实测统计显示，Ox Alpha生成的代码首次可运行率达到72%，远高于Claude Fable 5的48%，大幅减少了人工调试的工作量。
• ‌社区生态反馈‌：上线一周内，GitHub上已经出现了数十个基于Ox Alpha搭建的自动化编码智能体开源项目，快速形成了初步的开发者生态。

五、使用风险

1. 身份与条款风险‌

由于开发方全程匿名，OpenRouter与模型提供方的服务条款存在数据使用描述差异，输入的提示词与数据存在被匿名第三方收集的可能性。

2. 性能边界风险‌

百万级上下文窗口不代表全内容区域都能保持同等理解精度，超长输入场景下仍可能出现远端信息遗忘、逻辑断层的问题。

3. 安全使用建议‌

OpenRouter官方与行业安全研究者共同提示，当前阶段仅建议开发者使用公开代码、非涉密测试数据进行体验，严禁向模型输入企业内部代码、敏感业务数据与个人隐私信息。

六、后续

• 匿名前沿模型的出现，打破了头部几家大模型厂商对前沿推理能力的垄断，为开发者提供了低成本体验百万级上下文、超强编码能力的新选择。
• 限免期结束后，该模型的定价策略、后续迭代路线、开发方身份都将成为行业关注的核心焦点，其后续走向或将进一步改变当前大模型市场的竞争格局。