이미지: openrouter.ai 화면 갈무리
摘要
- OpenRouter上线了一款由身份不明厂商开发的推理模型"Ox Alpha"，免费提供使用
- 该模型上下文窗口达104.8576万token，最大输出13.1072万token，支持文本、图像、视频输入
- OpenRouter在页面中明确表示，自己并非该模型的开发商，仅负责转发请求
- 모델명
- Ox Alpha (stealth/ox-alpha)
- 공개일
- 2026년 8월 20일
- 개발·운영 주체
- 정체를 밝히지 않은 제3자 업체, 오픈라우터는 중계만 담당
- 컨텍스트 윈도우
- 1,048,576토큰(약 1M), 최대 출력 131,072토큰
- 입출력
- 텍스트·이미지·비디오 입력 → 텍스트 출력, 도구 호출(tool calling) 지원
- 가격
- 무료(프롬프트·완성 토큰 과금 없음)
- 성능(P50)
- 지연시간 5.57초, 처리량 24 tokens/s, 3일 가동률 99.99%
既不透露名称，也不公开开发商的模型
8月20日，OpenRouter上线了一款名为"Ox Alpha"的新模型。官方介绍称，这是一款可用于编程、长时间智能体任务以及实际服务运营的推理模型，但该模型究竟由谁开发却未被透露。Ox Alpha模型页面上只写着"这一隐身模型由第三方模型提供商开发和运营"，并未公开具体公司名称。
OpenRouter是一项将多家AI公司的模型整合到统一API中提供服务的平台。此次同样，OpenRouter只是通过兼容OpenAI的API接入了Ox Alpha，并在页面中明确声明"本平台并非该模型的开发者、所有者或提供者"。页面还写明，提示词和生成结果由提供商保管，不会用于模型训练，但该提供商具体是哪家公司，在预览期间将保持匿名。
这是一款能做什么的模型
据介绍，Ox Alpha适用于长时间的软件工程任务、复杂推理，以及需要同时处理文本与视觉信息的工作流程。该模型可接收文本、图像、视频作为输入，并以文本形式输出答案。其上下文窗口达104.8576万token，规模足以一次性载入并参考多本书籍量级的代码库或文档。最大输出为13.1072万token。该模型支持代表函数调用的tools和tool_choice参数，也可输出JSON格式内容，但页面说明其不支持强制执行JSON schema的功能。
规格与性能指标
| 指标 | 数值 |
|---|---|
| 上下文窗口 | 1,048,576 token（约1M） |
| 最大输出 | 131,072 token |
| 延迟（P50） | 5.57秒 |
| 吞吐量（P50） | 24 tokens/s |
| 3日运行率 | 99.99% |
| 3日可用率 | 99.14% |
| 价格 | 免费 |
页面说明，由于提供商只有一家，OpenRouter无需另行考虑路由问题。运行率和延迟等实时指标会在OpenRouter状态页面持续更新，截至目前的3日数据显示，运行率为99.99%，代表实际响应成功率的可用率为99.14%。
为何要隐藏身份
在正式发布前先以匿名方式投放新模型、观察市场反应的做法，在AI行业并不罕见。这种方式不依靠基准测试分数或营销宣传，而是通过真实用户流量来验证模型，若反响良好再冠以正式名称重新发布。OpenRouter页面中"在预览期间选择匿名"的表述，也与这一惯例相符。不过，仅凭这些信息，尚无法推测背后究竟是哪家公司。
如何试用
Ox Alpha可通过OpenRouter网站或API直接访问。
- 访问Ox Alpha模型页面，点击"Try this model"按钮即可打开演练场界面。
- 在演练场中输入提示词，无需额外设置即可立即查看响应结果。
- 若要通过API接入，只需将现有兼容OpenAI的SDK的基础URL更换为OpenRouter的接入点，并将模型标识指定为
stealth/ox-alpha即可。 - 提示词和生成token均免费提供，无需输入支付信息。
目前尚未公布任何国家或套餐限制，看起来只要拥有OpenRouter账号即可使用。用户可以利用其100万token的上下文能力，尝试将大型代码库整体载入并交由其重构，或参考含有图像的设计文档来编写前端代码。由于支持工具调用，也可以接入网页搜索或文件操作等外部功能，将其当作智能体使用。
编辑视角
隐身模型出现在OpenRouter上，这已不是第一次。这种做法反复出现的原因很简单：基准测试分数难免陷入造假争议,但用户在实际编程中遇到的失败案例却无法伪造。不打出公司名号、只放出模型本身，用户便会抛开品牌形象，纯粹以结果来评判。Ox Alpha正面瞄准编程与长时间智能体任务——当下业内竞争最激烈的两个领域，这也绝非偶然。先匿名投石问路,若反响不佳,悄悄下架即可。
将这类模型实际用于业务时，总会遇到同样的两难：100万token的上下文和免费价格固然诱人,但提示词和生成结果由身份不明的厂商保管这一条件，绝非可以轻易忽略的问题。即便官方声明不会用于训练，将包含公司内部代码库或客户数据的提示词投喂给这样的模型，个人实验和公司业务之间的界限也必须分清。个人用来测试新功能负担较小，但涉及生产环境代码或敏感文档，最好等到正式发布后再考虑。
未来几周内，这一模型的真实身份很可能会浮出水面。隐身模型通常在性能得到验证后，会冠以正式名称重新发布，若反响不佳则悄然消失。24 tokens/s的吞吐量和5.57秒的首次响应延迟，很难称得上顶尖水准，这款模型究竟会以正式品牌亮相，还是就此被人遗忘，将取决于接下来几周的用户反馈。
评论