Model AI 'Ox Alpha' yang Misterius Memicu Spekulasi di OpenRouter

icon MarsBit
Bagikan
AI summary iconRingkasan
Sebuah model AI misterius bernama Ox Alpha muncul di OpenRouter, menarik perhatian karena keterampilan pemrogramannya yang kuat dan anonimitasnya. Dikenal sebagai “牛来” di kalangan pengguna Tiongkok, model ini mendukung input teks, gambar, dan video, dan saat ini gratis. Para pengembang mengujinya pada repositori kode nyata, dengan hasil yang mendekati model kelas atas. Beberapa mengaitkannya dengan GLM-5.3 dari Zhipu AI. Model lain, korrine, sedang diuji di Code Arena, dengan teori yang menghubungkannya dengan Kimi K3.1 atau MiMo V3. Analisis on-chain menunjukkan meningkatnya minat terhadap pengujian anonim, memungkinkan evaluasi yang tidak bias dan umpan balik publik sebelum rilis resmi.

Di kalangan model besar, populer melakukan pengujian "memakai topeng".

Baru-baru ini, sebuah model anonim bernama Ox Alpha tiba-tiba muncul di OpenRouter. Ox sendiri berarti "sapi", dan pengguna internet di Tiongkok segera memberinya nama yang lebih sehari-hari:

Model "Bull Comes".

Menurut pengungkapan OpenRouter, Ox Alpha memiliki konteks 1 juta token, mendukung input teks, gambar, dan video, dapat memanggil alat, dan saat ini sepenuhnya gratis.

GLM

Tidak lama setelah peluncuran, pengembang mengintegrasikannya ke dalam Agent pemrograman dan memasukkannya ke dalam repositori kode nyata untuk pengujian.

Hasil pengujian awal menunjukkan bahwa model besar "Niu Lai" yang tidak diketahui asal-usulnya telah mendekati kemampuan model kode terkemuka saat ini.

Sementara itu, seorang pengguna internet melaporkan bahwa model anonim bernama korrine sedang diuji di Code Arena. Ada yang menduga itu adalah Kimi K3.1, ada juga yang mengarahkannya ke Qwen dan MiMo, berbagai pendapat beredar.

Bulan Agustus di dunia model besar tiba-tiba berubah menjadi permainan tebak-tebakan besar.

Model "Bull Comes" menunjukkan kinerja yang menonjol

Ox Alpha benar-benar menarik perhatian karena kemampuan kode-nya.

Pengembang Ben Davis menguji 10 tugas dari DeepSWE, di mana Ox Alpha menyelesaikan 8 di antaranya, dengan tingkat keberhasilan 80%. Dalam hasil perbandingan yang dipublikasikan, Fable 5 Max mencapai 65%, GLM-5.3 Max dan Grok 4.6 xhigh masing-masing 62%, sedangkan GPT-5.6 Sol Max sebesar 52%.

GLM

DeepSWE mengukur kemampuan rekayasa perangkat lunak yang sebenarnya. Model perlu membaca repositori kode, mengidentifikasi masalah, memodifikasi kode, menjalankan pengujian, lalu memperbaiki lebih lanjut berdasarkan kesalahan yang muncul. Dibandingkan soal pemrograman satu siklus, DeepSWE lebih mendekati pekerjaan nyata agen pengkodean.

Namun, sampel 10 tugas relatif kecil. Kemudian, pengembang lain menguji pada subset DeepSWE lainnya dan mendapatkan hasil sekitar 63%. Lingkup tugas dan konfigurasi pelaksanaan kedua pengujian ini tidak identik, sehingga belum dapat ditentukan peringkat akurat Ox Alpha berdasarkan data ini.

GLM

Namun, hasil awal ini menunjukkan bahwa model anonim ini telah menunjukkan potensi kuat dalam pengkodean jangka panjang, dengan kemampuan yang mendekati model teratas saat ini.

Model besar "Bull Comes" milik siapa?

Identitas model besar "Niu Lai" saat ini paling banyak dikaitkan dengan GLM-5.3 Flash yang belum dirilis oleh Zhipu, atau versi multimodal dari GLM-5.3.

Seseorang bahkan menulis sebuah blog untuk menganalisisnya:

1. Bukti terkuat berasal dari encoder video. Dalam empat video dengan frame rate, durasi, dan resolusi berbeda, Ox Alpha mengonsumsi token visual yang identik dengan GLM-5V-Turbo. MiMo, Qwen, dan GLM-4.6V semuanya menunjukkan hasil yang jelas berbeda.

2. Tokenizer teks juga sangat sesuai. Peneliti menguji 25 kelompok prompt, dan jumlah token Ox Alpha selalu tetap 75 token lebih banyak daripada GLM-5.3.

3. Fitur lain juga menunjuk ke Zhipu. Ox Alpha menolak memproses audio, dengan cara routing yang sama seperti GLM-5V; gaya jawaban, jumlah langkah eksekusi Agent, dan antarmuka inferensi juga sangat mirip dengan GLM. Zhipu sebelumnya pernah menggunakan Pony Alpha untuk pengujian anonim GLM-5, sehingga memiliki contoh operasi yang sama.

GLM

https://ox-alpha-evidence-production.up.railway.app/

Masih ada netizen yang menemukan jejak-jejak kecil dari percakapan tersebut.

GLM

Ben Davis yakin 99% bahwa ini adalah GLM-5.x.

GLM

Petunjuk-petunjuk ini meningkatkan kredibilitas pernyataan GLM, tetapi belum cukup untuk menyelesaikan verifikasi identitas.

Sejauh ini, OpenRouter dan Zhipu belum memberikan tanggapan publik.

Korrine identitasnya semakin kabur

Identitas model "Niu Lai" masih kabur, dan Code Arena kini muncul dengan model anonim bernama korrine.

Awalnya, banyak orang menebak itu Kimi K3.1, karena Kimi Sebelum rilis K3, ia dianggap diuji dengan kode nama kivine. Kivine memiliki struktur yang mirip dengan korrine, sehingga memicu asosiasi.

GLM

Namun, sumber bocoran pertama yang menyebarkan informasi tersebut kemudian menambahkan bahwa model Moonshot yang sebelumnya diketahui mungkin berkaitan dengan kode lain, adamant-ananke. Korrine juga mungkin berasal dari tim Tiongkok lainnya, seperti Qwen.

GLM

Di kolom komentar, ada yang mengarahkannya ke MiMo V3.

GLM

Mengapa produsen model besar suka "memakai topeng"?

Pengujian anonim sedang menjadi tahap penting sebelum peluncuran resmi model besar.

Sembunyikan produsen dan model di Arena untuk meminimalkan bias awal yang ditimbulkan oleh merek. Pengguna tidak melihat identitas model, hanya dapat memilih berdasarkan output aktual, dan hasil pertandingan yang terkumpul juga lebih mendekati pengalaman pengguna nyata.

OpenRouter menyediakan lingkungan pengujian yang berbeda.

Pengembang akan mengintegrasikan model ke berbagai agen pengkodean, memungkinkannya masuk ke repositori nyata, memanggil alat secara berkelanjutan, dan menangani tugas rekayasa perangkat lunak yang berlangsung selama beberapa jam. Stabilitas konteks, keandalan pemanggilan alat, serta apakah model akan terjebak dalam siklus atau menyimpang selama tugas jangka panjang, semuanya akan segera terungkap dalam penggunaan intensif.

Bagi pabrikan model, ini setara dengan uji tekan publik. Tim dapat mengamati kasus kegagalan sebelumnya, memverifikasi kapasitas layanan inferensi, serta mengumpulkan reputasi nyata sebelum peluncuran resmi.

Selain itu, "tebak model" kini juga semakin menjadi alat pemasaran, karena ketidakpastian identitas memang dapat memperpanjang siklus diskusi.

Akhirnya kembali ke model itu sendiri. Jika Ox Alpha benar-benar merupakan model Flash, kemampuan kode-nya sudah mendekati tingkat teratas, lalu versi lengkap yang memiliki investasi sumber daya lebih tinggi dan kemampuan lebih lengkap akan mendorong batas atas ke mana?

Tautan referensi:

https://x.com/Adidotdev/status/2090833298713096241

https://x.com/davis7/status/2090669483740279155?s=20

https://x.com/davis7/status/2090655207831298095?s=20

https://x.com/MaxForAI/status/2090783750217162788

Artikel ini berasal dari akun WeChat "Machine Heart" (ID: almosthuman2014), penulis: yang peduli pada AI

Sumber:Tampilkan versi asli
Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini. Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.