Trong cộng đồng mô hình lớn, việc kiểm tra bằng cách “đeo mặt nạ” đang thịnh hành.
Gần đây, một mô hình ẩn danh có tên Ox Alpha bất ngờ xuất hiện trên OpenRouter. “Ox” vốn có nghĩa là “bò”, cộng đồng mạng Trung Quốc nhanh chóng đặt cho nó một cái tên thân thuộc hơn:
Mô hình lớn "Bò đến".
Theo thông tin từ OpenRouter, Ox Alpha có ngữ cảnh 1.000.000 token, hỗ trợ đầu vào văn bản, hình ảnh và video, có thể gọi công cụ, hiện tại hoàn toàn miễn phí.
Không lâu sau khi ra mắt, các nhà phát triển đã tích hợp nó vào Agent mã hóa và đưa vào kho mã thật để thử nghiệm.
Kết quả kiểm tra ban đầu cho thấy mô hình lớn “Niú Lái” không rõ nguồn gốc đã gần đạt đến trình độ của các mô hình mã hóa hàng đầu hiện nay.
Trong khi đó, một người dùng mạng đã tiết lộ rằng một mô hình ẩn danh có tên korrine đang được thử nghiệm trên Code Arena. Một số người cho rằng nó là Kimi K3.1, cũng có người liên kết nó với Qwen và MiMo, đủ thứ lời đồn.
Tháng 8, cộng đồng mô hình lớn đột nhiên trở thành một trò chơi đố vui lớn.
Mô hình lớn “Niú Lái” thể hiện ấn tượng
Ox Alpha thực sự thu hút sự chú ý nhờ khả năng lập trình.
Nhà phát triển Ben Davis đã trích xuất 10 nhiệm vụ từ DeepSWE để kiểm tra, Ox Alpha hoàn thành 8 nhiệm vụ, đạt tỷ lệ vượt qua 80%. Trong các kết quả so sánh được công bố, Fable 5 Max đạt 65%, GLM-5.3 Max và Grok 4.6 xhigh đều đạt 62%, GPT-5.6 Sol Max đạt 52%.
DeepSWE đánh giá năng lực thực tế về kỹ thuật phần mềm. Mô hình cần đọc kho mã nguồn, xác định vấn đề, sửa đổi mã, chạy kiểm thử, sau đó tiếp tục khắc phục dựa trên lỗi báo cáo. So với các bài tập lập trình một lần, nó phản ánh sát hơn công việc thực tế của một Agent lập trình.
Tuy nhiên, mẫu gồm 10 nhiệm vụ là khá nhỏ. Sau đó, các nhà phát triển khác đã thử nghiệm trên một tập con khác của DeepSWE và đạt kết quả khoảng 63%. Phạm vi nhiệm vụ và cấu hình chạy của hai lần thử nghiệm không hoàn toàn giống nhau, nên hiện chưa thể xác định chính xác thứ hạng của Ox Alpha dựa trên các kết quả này.
Tuy nhiên, các kết quả ban đầu cho thấy mô hình ẩn danh này đã thể hiện tiềm năng mạnh mẽ trong mã hóa khoảng cách dài, với khả năng gần ngang với các mô hình hàng đầu hiện nay.
Mô hình lớn “Niú Lái” thuộc về công ty nào?
Đồng tiền “Ni Lai” được cho là phiên bản GLM-5.3 Flash chưa được công bố của Zhipu, hoặc phiên bản đa phương tiện của GLM-5.3.
Một người còn viết riêng một bài blog để phân tích:
1. Bằng chứng mạnh nhất đến từ trình mã hóa video. Trong bốn đoạn video có tốc độ khung hình, độ dài và độ phân giải khác nhau, Ox Alpha tiêu thụ các token trực quan hoàn toàn giống với GLM-5V-Turbo. MiMo, Qwen và GLM-4.6V đều cho ra kết quả rõ ràng khác biệt.
2. Bộ tokenizer văn bản cũng rất khớp. Các nhà nghiên cứu đã kiểm tra 25 nhóm lời nhắc, số lượng token của Ox Alpha luôn duy trì khoảng cách cố định 75 token so với GLM-5.3.
3. Các đặc điểm khác cũng chỉ về Zhipu. Ox Alpha từ chối xử lý âm thanh, giống với cách định tuyến của GLM-5V; phong cách trả lời, số bước thực thi Agent và giao diện suy luận cũng rất gần với GLM. Trước đó, Zhipu từng sử dụng Pony Alpha để kiểm tra ẩn danh GLM-5, có tiền lệ hoạt động tương tự.
https://ox-alpha-evidence-production.up.railway.app/
Ngoài ra, một số người dùng mạng đã tìm thấy những manh mối từ cuộc hội thoại.
Ben Davis cho rằng có 99% khả năng đây chính là GLM-5.x.
Những manh mối này làm tăng độ tin cậy của GLM, nhưng vẫn chưa đủ để xác minh danh tính.
Tính đến thời điểm hiện tại, OpenRouter và Zhipu chưa đưa ra phản hồi công khai.
Danh tính của Korrine càng trở nên mơ hồ
Danh tính của mô hình lớn « Niêu Lai » vẫn còn mơ hồ, khi Code Arena lại xuất hiện một mô hình ẩn danh mang tên korrine.
Ban đầu, nhiều người đồn đoán nó là Kimi K3.1, lý do là Kimi Trước khi K3 được phát hành, nó từng được cho là đã được thử nghiệm với mã tên kivine. Do kivine có cấu trúc tương tự korrine, nên đã gây ra sự liên tưởng.
Tuy nhiên, người tiết lộ đầu tiên đã bổ sung sau đó rằng mô hình Moonshot mới được biết đến trước đây có thể tương ứng với mã danh khác là adamant-ananke. Korrine cũng có thể đến từ các nhóm Trung Quốc khác như Qwen.
Trong phần bình luận, vẫn có người chỉ nó đến MiMo V3.
Tại sao các nhà sản xuất mô hình lớn lại thích "đeo mặt nạ"?
Kiểm tra ẩn danh đang trở thành một khâu quan trọng trước khi các mô hình lớn được phát hành chính thức.
Ẩn nhà sản xuất và mô hình trong Arena giúp giảm thiểu tối đa sự định kiến do thương hiệu gây ra. Người dùng không nhìn thấy danh tính mô hình, chỉ có thể lựa chọn dựa trên đầu ra thực tế, và kết quả đối đầu tích lũy được cũng phản ánh sát hơn trải nghiệm người dùng thực tế.
OpenRouter cung cấp một loại môi trường thử nghiệm khác.
Các nhà phát triển sẽ tích hợp mô hình vào nhiều agent mã hóa khác nhau, cho phép nó truy cập vào kho lưu trữ thực tế, liên tục gọi các công cụ và xử lý các nhiệm vụ kỹ thuật phần mềm kéo dài hàng giờ. Việc duy trì ổn định ngữ cảnh, độ tin cậy của các lần gọi công cụ và khả năng mô hình bị lặp lại hoặc lạc hướng trong các nhiệm vụ dài hạn đều sẽ nhanh chóng được phơi bày trong quá trình sử dụng cường độ cao.
Đối với các nhà sản xuất mô hình, điều này tương đương một bài kiểm tra áp lực công khai. Nhóm có thể quan sát trước các trường hợp thất bại, xác minh khả năng chịu tải của dịch vụ suy luận, đồng thời tích lũy uy tín thực tế trước khi ra mắt chính thức.
Ngoài ra, "đoán mô hình" hiện nay cũng ngày càng trở thành một hình thức tiếp thị, sự bí ẩn về danh tính thực sự có thể kéo dài chu kỳ thảo luận.
Cuối cùng, quay lại với chính mô hình. Nếu Ox Alpha thực sự là một mô hình Flash, khả năng mã hóa của nó đã tiến gần đến mức hàng đầu, thì phiên bản đầy đủ với đầu tư tài nguyên cao hơn và khả năng toàn diện hơn sẽ đẩy giới hạn lên đến đâu?
Liên kết tham khảo:
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
Bài viết này đến từ tài khoản WeChat “Machine Heart” (ID: almosthuman2014), tác giả: Người quan tâm đến AI