AREX Feed Article
Kingbench 87.5% 首测出炉：Ox Alpha 紧咬 GLM-5.3，100 万亿 token 免费容量遭算力质疑
8 月 21 日，给匿名模型 Ox Alpha 贴上了上线以来首个见诸报道的量化成绩：在第三方排行榜 Kingbench 上拿到 87.5%，仅次于 GLM-5.3 的 91.25%。同一篇报道引用了社区用户 Teortaxes 的算力账：按 DeepSeek V4 级别的推理效率，OpenCode 宣称的"每天 100 万亿 token 免费容量"需要约 58 万个"GPU"才能撑起。
8 月 20 日，"新 stealth 模型 Ox Alpha"，称它面向高效编程、长时间 Agent 任务和真实生产环境。模型由一家"选择在预览期保持匿名的第三方供应商"开发运营，显示：100 万 token 上下文、最大输出 131,072 token、支持文本/图像/视频输入、仅文本输出、定价免费，8 月 20 日上线。模型参数、训练数据和开发团队全部保密；当时明确写道，OpenRouter 没有公布任何 SWE-bench、Terminal-Bench 或其他编程与 Agent 基准成绩。
Kingbench 87.5%：匿名模型第一次被量化
据 wccftech 报道，在 Kingbench 等第三方排行榜上，Ox Alpha 拿下 87.5%，排在 GLM-5.3（91.25%）之后。这是该模型上线以来第一个见诸报道的第三方排行榜成绩。
wccftech 把这个分数和既有指纹证据并置：Ox Alpha 的视频编码管道、分词器数学和逐字符响应风格都与智谱的 GLM 架构高度相似；GLM-5.3 公开端点没有原生视觉、视频能力，Ox Alpha 却主打文本/图像/视频输入。报道据此推断，如果模型确系智谱出品，它应是"未发布、大幅升级的 GLM 级模型"，而非现有型号改名。报道还提到，智谱有匿名测试先例（GLM-5 曾以 Pony Alpha 名义灰度），且运行着多个万卡集群、刚启用一座 1GW 数据中心。
中文侧另有一组小样本测量。36氪报道了用户对 Ox Alpha 与 Fable 5、GLM-5.3、GPT-5.6 Sol、Grok-4.6 的 10 项任务对照：Ox Alpha 通过 8 项（80%），高于 Fable 5 的 65%、GLM-5.3 与 Grok-4.6 的 62%、GPT-5.6 Sol 的 52%。但原测评作者提醒，样本太小、测试口径不一致，"不能直接判断它已经击败 GPT、GLM 或 Fable"。36氪也强调，OpenRouter 用了"frontier model"定位，但当时没有公开证据证明 Ox Alpha 进入第一梯队。
100 万亿 token 的算力账：约 58 万 GPU
这轮测试的另一项承诺是免费。据 36氪，OpenCode 宣布 Ox Alpha 在其平台免费开放一周，准备了"每天 100T（万亿）token 的容量"，OpenCode 联合创始人 Dax 在 X 上向开发者喊话："快来猜猜是啥模型吧！"
被质疑的正是这个容量口径。长期跟踪 DeepSeek 的社区用户 Teortaxes（@teortaxesTex）8 月 21 日算了一笔账：即使按 GLM-5.3 规模模型以 DeepSeek V4 的效率运行，每"GPU"每秒约 2000 token、推理速度 80 tps 上下，"按这个速度，100T/天需要约 58 万'GPU'"。他补了一句："要么他们指的不是输出 token，要么……就是些不太可能的事。"
wccftech 引用了这笔账，判断更折中：智谱确实拥有多个万卡集群和刚启用的 1GW 数据中心，有能力每天免费提供 100 万亿 token。同一个论证里，报道顺带排除了两家被猜得最多的厂商：DeepSeek 最近上调了 V4-Flash 价格，看起来没有余力支撑这种吞吐；SpaceXAI 算力充足，但 Ox Alpha 在高度敏感的中国政治议题上表现出的政策边界，暗示模型用中国大陆数据训练。
分词器指纹打架：智谱之外冒出微软 MAI
围绕分词器的分析出现了两套相反结论。中文社区此前的测试认为 Ox Alpha 与智谱最接近：25 个提示中原生 token 数量与 GLM-5.3 完全匹配，50/50 对抗字符串测试中与 GLM-5.3 匹配度最高，Gemini、DeepSeek、Kimi 只有 18%–22%（36氪）。
wccftech 在报道更新中引述用户 Robert Lukoszko（@Karmedge）的判断则完全相反：Ox Alpha 用的是 cl100k_base 分词器，这是 OpenAI 开发的 BPE 分词器，"排除了 OpenAI、Google、Anthropic、xAI 以及每一家中国前沿实验室，只匹配微软的 Phi/MAI 谱系"，据此认为 Ox Alpha 最有可能是微软未发布的 MAI 2。wccftech 自己也承认，目前围绕 Ox Alpha 的分析变化很快。同一种技术指纹，两套相反结论；截至两篇报道发出时，没有任何一种猜测获得证实（36氪）。
OpenRouter 征集反馈，身份仍未揭晓
8 月 21 日，向社区征集意见："大家怎么看？？？模型实验室应该改进什么？它真正强在哪里？"截至检索时，这条推文有 1400 多个赞、158 条回复。模型页面能确认的只有规格：免费、100 万 token 上下文、131,072 输出上限、8 月 20 日上线；供应商身份仍标注为匿名。
按照 OpenCode 的承诺，免费窗口持续一周。窗口期内能被持续检验的，只有 Kingbench 87.5% 这个分数和"100T/天"对应的约 58 万"GPU"算力账。