匿名牛来大模型被扒出智谱血缘，也有人怀疑Cursor拿开源GLM训的

衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 全世界刷屏的“牛来大模型”，到底是谁家的牛？ 这两天，AI圈已经快把它扒了个底朝天。 目前 讨论度最高的模型厂商候选人，一是智谱，二是谷歌。 猜智谱的人已经开始验Tokenizer、测视频token消耗、找API报错，恨不得给模型做一套数字DNA鉴定。 猜谷歌的人则主要盯着DeepMind员工最近的发言，以及那个迟迟没有正式露面的Gemini 3.5 Pro。 牛来大模型其实叫 Ox Alpha 。 因为Ox就是“牛”，又正赶上最近《牛来》梗火遍互联网，国内网友干脆给它起了个亲切的名字叫“牛来大模型”。 8月20日，它突然以匿名模型的身份出现在OpenRouter上，OpenRouter只说它来自一家暂时保持匿名的第三方提供商。 它有104.86万token上下文，单次最多吐出13.1万token，能读文本、图片和视频，专门盯着代码、长周期Agent和复杂推理。 而且OpenCode随后宣布，Ox Alpha上线OpenCode Go， 连续数天几乎不限量免费使用，而且不计入用户原本的Go额度 （公开讨论中甚至出现了每天100万亿token级别服务容量的说法）。 于是开发者们拿着代码库、终端和各种刁钻任务，一拥而上去给它出题。 然后纷纷猜测： 牛来啊牛来，你到底是谁家的大模型？ 大家之所以猜牛来大模型是智谱或谷歌的，是因为它在中文深度理解、超长上下文处理或多模态融合上展现出了这两家公司的模型特色。 而且在底层工程细节上暴露出了相似的技术指纹。 智谱是这场猜谜游戏中的领先大热门。 网友已经从牛来大模型的分词器、视频编码方式一路扒到了API服务层。 先来看tokenizer。 tokenizer负责把输入内容切成模型能够处理的token。不同模型家族往往采用不同的词表和切分逻辑，所以面对一些刻意设计的文本时，token数量会留下较稳定的“指纹”。 有测试者拿不同Prompt对Ox Alpha和多款模型进行比较，结果发现，Ox Alpha与GLM-5.3的token计数呈现高度一致的关系。 一组流传较广的测试中，同样一段混合了中英文、代码和emoji的文本，GLM-5.3与GLM-5.2都计算出68个token，Ox Alpha则显示143个。 多出来的75个token ，恰好能够由模型外部附加的一段隐藏System Prompt解释。 另有测试者使用25组不同Prompt进行验证，也观察到了类似的固定偏移关系。 后面的 多模态指纹 更有意思。 文本模型可能通过蒸馏、后训练或者System Prompt模仿另一款模型的回答习惯，视频编码和token预算却涉及多模态输入进入模型前的工程设计。 有研究者专门制作了4段受控测试视频，然后分别交给Ox Alpha和几款多模态模型，观察系统为视频分配多少输入token。 结果 Ox Alpha和GLM-5V-Turbo在多项特征上出现了高度相似的token预算。 其中包括视频帧率变化后采样策略基本不受影响、视频时长增加时token消耗约以每秒147个token的速度增长，以及每帧分辨率变化对应的token缩放方式。 在4段控制视频上，两者测出的额外token预算甚至能够逐项对上。 测试中拿来比较的MiMo、Qwen和GLM-4.6V等模型，都呈现出了不同特征。 此外还有 API服务层留下来的蛛丝马迹 。 社区有人故意给Ox Alpha传入异常参数，捕捉到了类似[1210] The temperature parameter is illegal的错误信息。 类似错误码、参数限制以及中英文混排的返回方式，也被认为与智谱相关服务存在较高相似度。 甚至还有用户声称，在模型的推理输出中捕捉到过“trained by Z.ai”这样的残留信息。 不过这一条目前主要来自社区截图和二手转述，证据等级明显低于前面的Tokenizer和视频token测试，现阶段更适合当作彩蛋来看。 还有一个背景，让“智谱说”显得更加顺理成章。 今年2月，OpenRouter曾经上线另一款匿名模型Pony Alpha，当时大家也围着它猜了半天。 最后OpenRouter揭晓答案，Pony Alpha就是GLM-5的早期测试版本。 所以看到Ox Alpha以后，不少人的第一反应就是—— 智谱，你又来了？ 原本智谱的线索一路领先，结果这两天，剧情又拐向了谷歌。 的确，Ox Alpha公开出来的 产品画像，确实容易让人联想到Gemini 。 1M级超长上下文、原生图像和视频输入、面向长期Agent任务、强调复杂代码工程和工具调用，这些都是Google过去几代Gemini持续重点投入的方向。 而谷歌此时恰好还有一款迟迟没有正式公布的Gemini Pro。 今年Google I/O期间，谷歌曾经给出Gemini 3.5 Pro“Coming next month”的预期，后续发布时间一拖再拖。直到现在，外界依旧在等待新的Gemini Pro旗舰型号。关于它的发布节奏、内部测试和产品调整，也出现过多轮爆料。 主要是Google和DeepMind员工这两天的社交媒体动态，也开始疯狂给网友提供想象空间。 例如Google DeepMind研究员Evan Otero在相关讨论中发了“Gemini”，随后又说了一句“如果Ox Alpha就是我们一路遇到的朋友呢”。 当然，这两条发言都没有明确表示“Ox Alpha就是Gemini”。 但放在全网疯狂猜模型身份的背景下，很快被社区解读为一次vague posting。 Techmeme汇总的社媒讨论里，还有不少开发者注意到， 近期Gemini团队成员突然密集谈论Gemini以及下一代模型 ，也有人因此把牛来大模型与Gemini 3.5 Pro甚至Gemini 4联系起来。 于是网上迅速分成两派—— 一派拿着Tokenizer和视频token账单喊“这明明就是GLM”。 另一派指着DeepMind员工的帖子说“Google你别演了”。 目前没有公开证据能够支持这种说法，但这也说明，仅凭模型外部行为判断开发者身份越来越困难。 尤其在蒸馏、模型融合、后训练以及第三方推理服务越来越普遍以后，“模型是谁训练的”和“模型在哪里部署”甚至都可能是两道题。 抛开身份谜题，牛来大模型自己也足够有戏。 首先是规格。 1M上下文意味着，一次Prompt理论上能够塞进去整个大型代码仓库、数百页文档，或者一长串Agent运行记录。 131K最大输出也远超普通聊天场景。 再加上图片和视频输入、工具调用以及强制推理模式，Ox Alpha从一开始瞄准的就是代码Agent和长周期任务。 目前OpenCode公开数据显示，牛大劳模模型已经累计出现250B token级别的使用量，拥有约8500名独立用户和超过11万次完成会话。 Stripe CEO Patrick Collison也亲自上手试了一遍后也表示“It’s very impressive.” 一些小规模代码测试更把它推上了风口。 一项包含10个真实软件工程任务的社区测试里，Ox Alpha完成8个，得到80%的结果。 同一组任务里，Fable 5为65%，GLM-5.3为62%，GPT-5.6 Sol为52%。 需要强调的是，这只是10道题的小样本社区测试，不属于官方Benchmark，也远远不足以证明Ox Alpha综合能力已经超过这些旗舰模型。 而另一边，唱反调的人也不少。 Abacus.AI CEO Bindu Reddy公开表示，他们测试后发现Ox Alpha表现低于预期， 一些指标只达到较早一代模型左右的水平 。 沃顿商学院的教授Ethan Mollick也表示，惊艳程度一般般啦～ 还有开发者拿自己的私有Benchmark测试以后认为，它在低推理强度下表现一般；视觉任务中，也有人发现它明显弱于Gemini系列。 所以眼下对Ox Alpha最准确的描述，可能还是—— 一款某些代码和Agent任务表现极亮眼、规格极激进，同时评测结果分歧也极大的匿名模型。 免费，再加神秘身份，给它额外套了一层流量Buff。 另一种调侃称，也 有可能是Cursor拿智谱模型自己训了一遍 。 然后套了个牛头（？） 至于答案，大概率不会藏太久。 毕竟按照OpenRouter最近几次Alpha模型的剧情发展，匿名期结束之后，总得有人出来牵牛回家。 哞—— 参考链接： [1] https://openrouter.ai/api/v1/models [2] https://opencode.ai/docs/zen/ [3] https://www.reddit.com/r/singularity/comments/1vufbx1/i_fingerprinted_ox_alpha_same_tokenizer_as_glm53/ [4] https://www.businessinsider.com/ox-alpha-ai-model-mystery-2026-8 [5] https://openrouter.ai/models?fmt=cards&input_modalities=video&q=amazon [6] https://ox-alpha-evidence-production.up.railway.app/

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。