7 KiB
| created | updated | sources | tags | |||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-23 | 2026-08-26 |
|
|
Ox Alpha — Anonymes KI-Modell auf OpenRouter
Quelle des Konzepts: Telegram-Leak "Insider leak of the day" (Forward 2026-08-22), geteilt von Netbits (@NetLightning) in OME-Gruppe "News & Infos (X/YT/Substack etc.)"-Topic am 2026-08-23. Siehe
raw/xpost/2026-08-23_insiderleak-ox-alpha-anonymous-model.md.
Kernidee
Ox Alpha ist ein mysteriöses, anonym veröffentlichtes KI-Modell auf OpenRouter, das Berichten zufolge beim Coding Claude Fable 5 und GPT-5.6 Sol schlagen soll — ohne offengelegten Owner. Es gehört zu einer Reihe anonym publizierter Modell-Drops, deren Herkunft erst später geklärt wird.
Eigenschaften (laut Leak)
| Eigenschaft | Wert |
|---|---|
| Name | Ox Alpha |
| Plattform | OpenRouter |
| Kontextfenster | ~1 Million Tokens |
| Modalität | multimodal |
| Owner | nicht offengelegt (anonym) |
| Coding-Leistung | soll Claude Fable 5 + GPT-5.6 Sol schlagen |
| Tokenizer | identisch zu GLM (laut Report) |
Herkunfts-Spekulationen
- Google — von manchen Online-Sleuths vermutet.
- Z.ai (Zhipu AI): von anderen vermutet — gestützt durch den GLM-identischen Tokenizer.
- Muster: Die vier vorherigen anonymen AI-Modell-Drops wurden laut Leak alle letztlich von chinesischen Labs beansprucht — spricht für die China-These.
✅ AUFGEKLÄRT 26.08.2026: Z.ai hat GLM-5.3-Flash offiziell released und im Announcement explizit bestätigt: „Previously previewed as Ox Alpha". Damit ist die Herkunft geklärt — siehe glm-5.3-z-ai.md und
raw/xpost/2026-08-26_zai-glm53-flash-release.md.⚠️ Historischer Status (vor 26.08.): Unbestätigte Gerüchte aus einem Leak-Kanal. Kein offizieller Owner, keine offizielle Verifikation. GLM-Tokenizer-Verbindung war ein Hinweis, kein Beweis — der sich als korrekt erwies.
Einordnung
Ox Alpha reiht sich in die Welle kostengünstiger, teils anonymer Frontier-Coding-Modelle ein — thematisch verwandt mit:
- glm-5.3-z-ai.md und glm-5.2-zai-coding-model.md — die GLM-Familie von ../../institutions/z-ai.md
- chinese-model-cost-routing.md — chinesische Modelle & Kosten-Routing
- open-weights-economics.md — Open-Weight-Ökonomie
- openrouter-cad-solidworks-benchmark.md — OpenRouter-Modellnutzung (dort: DeepSeek/Kimi/MiniMax/Qwen)
- ../../institutions/openrouter.md — Modell-Aggregator, auf dem Ox Alpha erschienen ist
- chinese-models-top-usage-charts.md — chinesische Modelle in den Top-Usage-Charts
Verwandte Modelle in der GLM-Familie: siehe glm-5.3-z-ai.md (Tabellen-Einordnung), glm-5.5-z-ai.md.
Gegencheck & Quellenlage (2026-08-23)
Cross-Referenz auf X und weitere Quellen (veranlasst von Kai, OME #11954) ergibt:
- Verifiziert:
stealth/ox-alphaist real, seit ~20.08.2026 auf OpenRouter: gratis, 1M Kontext, multimodal (Text/Bild/Video rein, Text raus), bis 131k Output, ~99,9 % Uptime. Activity-Daten im AUG-21-Dashboard echt: ~2,6T Tokens (Platz 1, knapp vor deepseek-v4-flash mit 2,5T). - Hype/Leak-Kritik: „Schlägt Claude Fable 5 + GPT-5.6 Sol" = ein User-Test mit ~10 handverlesenen Tasks (n=10, keine unabhängigen Leaderboards). „Niemand weiß, wer es baute" = Teil des Stealth-Playbooks (anonym testen, Daten sammeln, später benannt releasen).
- Forensik-Konsens → Zhipu/Z.ai: Tokenizer matcht GLM-Familie (30/30 in einigen Forensik-Tests), API-Fehlercodes (z.B. 1210/1214) zuvor bei Z.ai gesehen, chinesische Backend-Logs, teils Selbst-Identifikation als GLM. Präzedenz: die letzten 4 anonymen Drops (GLM-5, MiMo-V2-Pro, Ling-2.6-flash, LongCat-2.0) kamen alle aus China. Community-Konfidenz ~80–90 % Richtung Zhipu GLM (vermutl. unangekündigtes multimodales GLM-5.x, da GLM-5.3 text-only).
- Google-These: schwächer; im Wesentlichen spielerisch (Name „Ox Alpha" = erster phöniz. + erster griech. Buchstabe → „Alphabet"/Gemini-Zwillings-Pun, DeepMind-Alpha-Tradition). Infrastruktur-Fingerprints widersprechen Google-Herkunft.
- @iruletheworldmo-These (neuartige Architektur): Behauptet Ox Alpha sei ein LLM mit persistentem latentem Zustand (rekursive Updates statt Token-Schlussfolgerung, Attraktoren → Shards → Metaparametern). Keine Matching-Papers/Model-Cards/Disclosures; vulgärer Troll-Stil (Abschluss-Pointe; fast identischer früherer Post endete mit „your mom"). Von der Community als unbewiesen/trollend eingestuft. Siehe
raw/xpost/2026-08-23_iruletheworldmo-ox-alpha-latent-state.md. - Praktische Kante (Firmen): Anonymer Provider speichert Prompts/Completions (laut OpenRouter-Listing, nicht für Training). GDPR/AI-Act-Konformität mit namenlosem Processor problematisch — „testen mit nichts, das dir wichtig ist". Produktion auf anonymer Provider-Infra abgeraten.
EP106-Datenpunkt: Exakte Listing-Zahlen (AgentStack Daily, Update 2026-08-26)
Der Daily-Podcast ../../institutions/agentstack-daily.md listet Ox Alpha in Episode 106 (Stories der Woche 18.–21.08.2026) im Segment „Model Discovery Check" mit verifizierten Zahlen vom 21.08.2026 (raw/podcast/2026-08-26_agentstack-daily-ep106.md, Story 2):
| Eigenschaft | Wert laut EP106-Listing |
|---|---|
| Kontextfenster | exakt 1.048.576 Tokens (2^20) |
| Max-Output | 4.096 Tokens pro Call |
| Positionierung | Reasoning-Modell für Coding, sustained agentic work, Production Workloads, long-horizon software engineering |
| Disclosed | keine Benchmarks, kein Pricing, kein Firmenname, keine Parameterzahl |
| Auffälligkeit | Capability-Beschreibung bricht mitten im Satz ab („workflows that combine text with...") |
⚠️ Widerspruch zum Community-Gegencheck: Der Gegencheck vom 23.08. (Abschnitt oben) nannte „bis 131k Output"; das EP106-Listing (Stand 21.08.) nennt 4.096 Max-Output. Beide Datenpunkte sind dokumentiert und widersprechen sich — ob sich das Listing zwischenzeitlich geändert hat oder eine der Angaben falsch ist, bleibt offen.
Einordnung (read-heavy-Agent-Pipeline-Shape): Das Zahlenverhalten — riesiges Lesefenster (~1M Kontext) bei eng begrenztem Output-Fenster (4k–131k) — passt zu einer read-heavy Agent-Pipeline: breit lesen (ganze Repos, Session-Historien, Dokumentenstapel), gebündelt und knapp antworten. Das ist die typische Shape iterativer Coding-/Agenten-Workflows, weniger die von Langform-Generierung — konsistent mit der Stealth-Positionierung als Agentic-Coding-Reasoning-Modell.
Nutzungskontext (begleitender Screenshot, AUG 21)
Im OpenRouter-Databreakdown "AUG 21" (Total ~9.2T Tokens) zeigt ox-alpha ~2.6T Tokens und ist dabei hervorgehoben — vergleichbar mit deepseek-v4-flash (2.5T) und mimo-v2.5 (1.5T). (Kontext aus dem geteilten Screenshot; quantitative Rohdaten im Raw.)