一个匿名模型把GPT和Claude都打懵了：全网当侦探查它爹妈

8月20日深夜，全球最大AI模型聚合平台OpenRouter上，悄悄多了一个模型条目。没有公司名，没有参数规模，没有价格。它叫Ox Alpha。

Ox在英文里是"牛"的意思，中国网友一看乐了，直接给它起了个名字：牛来。

12个小时后，整个AI开发者圈炸了。

跑分80%，把GPT和Claude甩开了15到28个百分点

引爆社区的，是一个叫DeepSWE的测试。这玩意不是做选择题那种简单考试，而是让AI直接读真实代码仓库、找漏洞、改代码、跑测试，遇到报错再继续修。基本就是程序员上班干的活。

独立开发者Ben Davis抽了10道题跑了一遍，结果自己都懵了。Ox Alpha拿了80%，Claude Fable 5是65%，GLM-5.3是62%，Grok 4.6是62%，GPT-5.6 Sol只有52%。一个连爹妈都不知道的匿名模型，把顶级闭源模型甩开了一大截。

后来有人在另一组测试上复现，结果约63%。样本确实不大，但在代码能力这个赛道上，"牛来"的硬实力已经不需要再证明了。

全网当福尔摩斯：五条证据链指向智谱

身份成谜，社区直接开启了"数字亲子鉴定"模式。不到24小时，五条证据链全指向了同一家公司。

第一击是视频编码器。有人拿四段不同帧率、时长、分辨率的视频分别喂给不同模型，记录视觉token消耗。结果Ox Alpha和智谱GLM-5V-Turbo的数字逐位一致：296、296、884、1064，一个不差。分析者说，这同时匹配了帧采样策略、时长缩放、分辨率缩放三个独立设计特征，巧合概率约等于零。

第二击是API端点结构。Ox Alpha的后端API路径与智谱已知接口高度吻合。第三击是 tokenizer 行为，处理特定中文文本时的分词方式与GLM系列完全一致。再加上推理架构特征和部署环境的IP归属分析，基本可以确认：Ox Alpha大概率是智谱尚未发布的GLM-5.3视觉版或者GLM-5.5。

智谱为什么要这么玩

匿名上架，不是智谱第一次这么干了。这种做法在AI圈有个专有名词叫"stealth drop"， stealth model的意思是隐身模型。好处很明显：让模型本身说话，而不是靠品牌光环。当开发者看到跑分数据时，第一印象是"这谁家的怪物"，而不是"智谱又发新模型了"。

而且时间点也很有意思。OpenCode官方公告说，Ox Alpha背后提供方每天拥有100万亿tokens的算力，大约是Visa公司整整一个月AI token使用量的100倍。免费开放一周，使用量近乎无限。这说明智谱对模型的稳定性极有信心，敢拿真金白银出来让人随便跑。

更深一层看，智谱可能在做两件事。一是测试模型在真实场景中的表现，匿名状态下的用户反馈更真实，不会被品牌偏见影响。二是在为正式发布造势，等身份揭晓那天，话题度和传播量都会翻倍。

对行业格局意味着什么

如果"牛来"确实是智谱的下一代模型，那说明几个事情。第一，中国大模型在代码能力上已经可以和全球顶级选手正面掰手腕了。DeepSWE这个测试考的 not just 算法题，而是真实工程场景下的代码理解和修复能力，这是最实用的AI能力之一。

第二，开源和闭源的边界正在模糊。智谱虽然还没宣布Ox Alpha是开源还是闭源，但匿名上架+免费测试这个操作本身，就是在开源社区的地盘（OpenRouter）上玩。无论最终选择哪条路，这种"先 anonymously 证明实力"的策略，可能会成为国产模型出海的新范式。

第三，AI编程赛道的竞争已经白热化了。Cursor、Claude Code、GitHub Copilot，这些工具背后都是顶级模型。如果智谱的模型在代码能力上确实领先，那国产AI编程工具的竞争力会上一个台阶。

冷静一下

不过也要说几句冷水话。首先，DeepSWE目前只有10道题的样本量，虽然结果很惊艳，但离全面评估一个模型的能力还差得远。编码能力只是一部分，推理、创意写作、多语言理解等维度还需要更多数据。其次，匿名模型的身份还没有官方确认，所有分析都是社区推测。如果最终不是智谱，那整个叙事就要推倒重来了。

但不管怎么说，"牛来"这个事件本身就挺有意思的。一个没有名字的模型，用实力让全网帮它找爹妈。这种剧情，以前只在好莱坞电影里见过。