这几天各大模型路由网关突然空降了一个代号为 ox-alpha(马友圈戏称“牛来”) 的神秘模型,免费公测、速度极快,还原生支持 1M 超长上下文与多模态。社区里各路大神众说纷纭,有人猜是 Claude 3.7 灰度,有人猜是 DeepSeek V4 偷跑,也有人怀疑是小米 MiMo-V2。为了拨开迷雾,爱嘟实验室投入真金白银算力资源,拉上 7 款顶尖模型跑完了 42 组全维度同题盲测,从底层 Tokenizer DNA 到思考链痕迹完成深度溯源。以下为核心分录提炼与图文实证。
突袭上线的神秘牛来与全网竞猜风云
本周初,全球各大模型路由网关悄然上线了一个名为 ox-alpha 的全新模型。该模型不仅开放免费调用,更以极高的吞吐速度和强大的长文本理解能力迅速引爆开发者圈。由于官方未披露任何背景,社区掀起了全民侦探热潮。各派马友各执一词,猜测对象几乎涵盖了海内外所有头部 AI 实验室,成为近期 AI 圈最受瞩目的技术悬念。
真金白银算力支撑的横向盲测矩阵
为排除提示词诱导和主观臆断,实测团队搭建了一套严谨的横向盲测矩阵。选取了 ox-alpha、GLM-5.3、Qwen3.8-Max、Kimi-K3、Claude-3.7、GPT-5.6 以及 Gemini-3.7 等 7 款代表性模型同台竞技。测试覆盖身份探测、逻辑陷阱、代码生成、中文写作、模糊常识和系统提示词探测等 6 大维度,在相同温度与参数下全量捕获输出内容、分词开销、响应延迟与思考链数据。
分词器底层跨语言测试实现精确全中
分词器(Tokenizer)是模型最底层的 DNA,不同模型架构的词表(Vocab)与切分规则具有唯一性。测试团队设计了包含韩文重复、全角字符、特殊数学符号、俄语、连续多 Emoji、中文以及 Python 代码等 9 组跨语言边界样本:
| 测试输入串(覆盖各类边界) | ox-alpha | GLM-5.3 | Qwen3.8-Max | Kimi-K3 | 吻合度 |
|---|---|---|---|---|---|
| ㅋㅋㅋㅋ(韩文重复) | 20 | 20 | 4 | 8 | 100% 全中 |
| HELLO(全角英文字符) | 22 | 22 | 7 | 12 | 100% 全中 |
| π≈3.14159(特殊数学符号) | 18 | 18 | 9 | 11 | 100% 全中 |
| Москва привет(俄语测试) | 14 | 14 | 6 | 8 | 100% 全中 |
| 🚀🎉🧠💻🦊(连续五 Emoji) | 23 | 23 | 11 | 15 | 100% 全中 |
| 你好世界(基础中文) | 14 | 14 | 4 | 5 | 100% 全中 |
| def fibonacci(n):(Python代码) | 36 | 36 | 18 | 22 | 100% 全中 |
在扣除 ox-alpha 约 75 token 的系统提示词开销后,其在 9 组极端测试串的分词计数与智谱 GLM-5.3 达到 100% 逐字吻合,这一特征直接排除了 Qwen、Kimi、DeepSeek 及西方主流模型。
经典陷阱题答题逻辑展现惊人肌肉记忆
在面对经典常识陷阱题“9.11 与 9.9 哪个大”时,ox-alpha 与 GLM-5.3 展现出了高度一致的作答习惯。两者均先以加粗形式直接给出结论,随后补齐小数位展开十分位对比,紧接着使用警告图标(⚠️/💡)补充说明人们容易误判是因为混淆了“软件版本号”:
比较方法:把两个数对齐小数位数来看:
- 9.11 = 9.11
- 9.9 = 9.90
比较十分位:9.11 的十分位是 **1**,而 9.90 的十分位是 **9**...
⚠️ 常见误区:有人会觉得 "11 比 9 大,所以 9.11 更大",但这是把它当成了版本号(如软件版本 v9.11)...
比较方法:把两个数补齐到相同的小数位数:
- 9.11 → 9.11
- 9.9 → 9.90
再比十分位:9.11 的十分位是 **1**,9.90 的十分位是 **9**...
💡 小提示:容易搞错是因为看到 "11 > 9"...(不过如果是软件版本号,9.11排在9.9后...)
相比之下,Qwen3.8-Max 仅用 3 行极简数学回答完毕,没有任何版本号解释与警示小贴士。微观排版与思维习惯上的镜像重合极为罕见。
思考链口吻与英文口语化碎碎念特征
在开启深度思考模式后,各模型的 Reasoning 思考链展现出截然不同的心智模型。ox-alpha 在面对中文提问时,思考链内部统一采用口语化的英文人称构思,句式如 “The user is asking in Chinese... Let me think carefully...”,并在解题过程中自我推演反向用例。这种思考链的语言偏好、推进节奏与行文习惯,与 GLM-5.3 的内部思考轨迹具有极高的同构性,与指令式或纯中文思考的模型形成鲜明对比。
匿名模型发布传统与国内顶尖实验室渊源
回顾全球大模型竞技场,采用 Stealth 匿名代号进行盲测公测早已成为国内前沿团队的成熟打法。梳理近期的匿名模型揭秘档案可以发现清晰规律:
| 神秘测试代号 | 官方揭晓真身 | 出品机构 | 测试定位与特点 |
|---|---|---|---|
| Pony Alpha | GLM-5 | 智谱 AI (Z.ai) | 首创国内匿名公测先河 |
| Hunter Alpha | MiMo-V2-Pro | 小米 AI 实验室 | 深度推理与代码实测 |
| Elephant Alpha | Ling-2.6-Flash | 蚂蚁集团 | 轻量化与极速推理 |
| Owl Alpha | LongCat-2.0 | 美团 | 超长文本理解能力 |
| ox-alpha(牛来) | GLM-5.3 多模态增强版(推测) | 智谱 AI (Z.ai) | 全新视觉理解与多模态公测 |
底层网络时间戳与原生中文异常报错印证
除算法层面的指纹外,底层网络交互数据也提供了强有力的旁证。ox-alpha 的 API 响应 ID 采用了标准的前 14 位北京时间戳拼接 16 位十六进制串的结构(如 20260823...),这是国内自研推理框架的标准特征。同时,在极端多模态边界测试触发服务层异常时,底层直接抛出了 "图片输入格式/解析错误" 的纯中文报错信息,直接证明该模型服务部署于国内基础设施之上。
多模态与百万上下文揭秘未发布旗舰变体
公开版本的 GLM-5.3 主打纯文本推理,而 ox-alpha 则原生支持图像与多帧视频输入,并具备 1M 超长上下文和 131K 输出能力。实测吞吐量达到约 53 Tokens/s,首字延迟仅为 0.85s。结合智谱的产品演进节奏,ox-alpha 极有可能是智谱尚未正式官宣的 GLM-5.3 Vision 多模态增强版或下一代旗舰预览版,通过匿名公测面向全球开发者收集复杂场景下的对齐反馈。
各大候选阵营逐项排查与综合研判
综合各项测试指标,研判团队对各候选阵营进行了严密推导与多维评级:
| 候选机构 / 阵营 | 推测匹配概率 | 主要排除 / 判定依据 |
|---|---|---|
| 智谱 AI (Z.ai) | ⭐⭐⭐⭐⭐ 极高 | Tokenizer 9/9全中、排版思考链高度同构、原生中文报错、Stealth历史渊源 |
| 小米 (MiMo) | ⭐ 极低 | 分词计数不符,MiMo原生支持音频但 ox-alpha 未开放音频通道 |
| 阿里 (Qwen) | ⭐ 极低 | 分词规则与词表差异巨大,答题偏好与极简推理链风格截然不同 |
| 月之暗面 (Kimi) | ⭐ 极低 | 跨语言分词计数不匹配,上下文开销特征不吻合 |
| 海外主流大厂 | ⭐ 极低 | 响应ID包含标准北京时间戳,多模态底层直接抛出中文异常堆栈 |
开发者薅羊毛指南与实战调用建议
目前 ox-alpha 在各大聚合网关仍处于限时免费公测阶段(预计将持续至 8 月底)。对于广大开发者而言,这是一款兼具极高推理速度、顶尖视觉理解与超长上下文吞吐的优质免费算力。无论是用于长文档研报精读、多模态复杂图表解析,还是代码重构与逻辑推理,都建议大家趁着公测红利期抓紧上车体验。
今日争议台
虽然多项底层数据与微观指纹均高度指向智谱 GLM 家族,但团队依然保持客观严谨的科学态度。在官方正式揭开红盖头之前,理论上不能完全排除其他黑马团队采用同源开源词表进行深度对齐微调、或者跨机构算力平台联合实验的可能性。本篇实测推断基于严谨的黑盒测试数据,旨在为开发者社区提供有价值的参考视角,最终的权威结论仍以官方正式发布为准。
爱嘟说:底层DNA指纹虽已高度锁定,但在官方红头文件落地前,不妨先尽情享受这波未命名的顶级免费算力狂欢。