Ox Alpha 很可能是運行在 Z.ai 服務堆疊上的 GLM-5.x 多模態模型。公開線索目前只能穩穩走到這一步。若把它直接寫成 GLM-5.3 Flash，就會比 OpenRouter 與 Z.ai 的正式說法多跨一步。
這不妨礙模型本身引起興趣。Reddit 有人讓它畫「騎單車的龍」，留言者特別注意到腿在車架後方、單車位於道路上，還畫出了鏈條。這只是小測試，卻比抽象的「很強」有用得多。
以下依時間整理身份線索，也把標準 GLM-5.3 的官方數據與 Ox Alpha 的社群測試分開。想直接驗證的人，可以前往 Tabbit 的 GLM-5.3 Flash 模型頁測試文字、圖片和 Agent 任務。
先看重點
OpenRouter 確認匿名第三方模型、1M 上下文，以及文字、圖片和影片輸入，沒有公布 GLM 或 Z.ai 身份。
Tokenizer、影片 token 預算和服務錯誤共同指向 GLM-5.x 與 Z.ai 服務堆疊，但無法鎖定確切 checkpoint。
Z.ai 表示標準 GLM-5.3 與 GLM-5.2 共用 base model，進步來自後訓練。若 Flash 歸因正確，「GLM-5.2 智能加原生多模態」便有技術脈絡。
Ox Alpha 的好成績多半是個人測試、子集或單一任務，不能當成完整排行榜。
Tabbit 已提供 GLM-5.3 Flash 入口。產品標籤方便使用，不等於官方身份聲明。
身份證據一覽
| 說法 | 證據 | 判斷 | 不能證明的事 |
|---|---|---|---|
| Ox Alpha 是匿名預覽模型 | OpenRouter 模型記錄 | 已確認 | 底層模型由誰開發 |
| 1M 上下文並支援多模態 | OpenRouter 公告 | 已確認 | 視覺準確率與長期可用性 |
| 屬於 GLM-5.x 家族 | 技術社群整理的 tokenizer、影片 token 與錯誤指紋 | 強推論 | 權重或公開 SKU 完全相同 |
| 就是 GLM-5.3 Flash | Di Zhang 的貼文等社群歸因 | 未確認 | 官方名稱、API ID、Z.ai 官宣 |
| 延續 GLM-5.2 底座 | Z.ai 說標準 GLM-5.3 與 5.2 同 base | 條件成立 | Ox 使用完全相同的 checkpoint |
目前最穩的答案是：GLM 家族很像，Z.ai 託管也很像，Flash 名稱仍待確認。
從 GLM-5.3 發布到 Ox Alpha 現身
Z.ai 在 8 月 14 日的 GLM-5.3 技術文章明確表示，標準 GLM-5.3 使用 GLM-5.2 的 base model，能力提升來自更多任務環境與後訓練計算。這讓後來的 Flash 猜測有了合理路徑：保留 GLM-5.2/5.3 的語言與推理底座，再加入視覺輸入和不同的服務配置。用過 Tabbit 中的 GLM-5.2 的人也有現成基線。
8 月 21 日，OpenRouter 上線 stealth/ox-alpha。模型頁列出 1,048,576 token 上下文、最高 131,072 token 輸出，定位是編碼、持續 Agent 與生產工作。官方 X 貼文再補上文字、圖片與影片輸入。
這張規格表很像公開 GLM-5.3 與 GLM-5V-Turbo 的交集，但又不等於任何一張公開模型卡。OpenRouter 只說模型由匿名第三方開發和營運，prompt 與 completion 會由提供商保留。免費預覽不代表可以忽略資料邊界。
TechCrunch記錄了最初的分歧，GLM、Microsoft MAI 和其他候選都有人提。兩天後，社群技術指紋才逐漸把範圍縮小：50 條字串的 token 計數與 GLM-5.3 全部匹配，四段影片的 token 預算與 GLM-5V-Turbo 一致，部分後端錯誤也指向 GLM 服務。
這些測量很有價值，卻不是權重雜湊。Tokenizer 能共用，影片編碼器能重用，Z.ai 伺服器也能託管外部模型。因此「GLM-5.x 多模態 sibling」比「已破案」更準確。
GLM-5.2 智能加原生多模態
這句話由兩個部分組成。標準 GLM-5.3 延續 GLM-5.2 的底座，並在長程編碼、工具使用和真實任務上加強後訓練。這類計畫、行動、觀察循環可參考 Agentic Reasoning 說明。
Ox Alpha 的產品入口則直接接受圖像與影片。這能支持「原生多模態」的使用描述，卻不能替代架構論文。若它確實是 GLM-5.3 Flash，合理的理解就是 5.2/5.3 推理路線加上視覺上下文；Flash 是否代表更快服務層級，仍只是名稱上的猜想。
數據很好看，但要保留標籤
| 官方 benchmark | GLM-5.3 | GLM-5.2 | 對象 |
|---|---|---|---|
| Terminal Bench 3.0 | 28.3 | 4.6 | 公開標準 GLM |
| DeepSWE v1.1 | 66.9 | 46.2 | 公開標準 GLM |
| CyberGym | 84.5 | 77.2 | 公開標準 GLM |
| AutomationBench | 48.2 | 26.2 | 公開標準 GLM |
上表是 Z.ai 對標準 GLM-5.3 的報告，不能改名成 Ox Alpha 成績。Ox 的社群資料如下：
| 測試 | 報告結果 | 可用結論 | 限制 |
|---|---|---|---|
| DeepSWE 子集 | 平均輸出 47K token 時約 63% | 長任務訊號不錯 | 沒有完整方法與程式碼 |
| Cline 單一 bug | Ox 與 Fable 都修好，Ox 輸出約少 3 倍 | 一個精簡且正確的案例 | 單一未公開任務 |
| Reddit 單車 SVG | 留言者認可物體關係 | 可重做的視覺煙霧測試 | 單圖、非盲測 |
| 自訂語言遊戲 | 10 關能運行並新增 modulo，關卡普通 | 能讀陌生文件並持續實作 | 沒有 repository 與測試 log |
OpenCode 使用者也回報過載、慢速與上游錯誤。這是服務容量，不是智能分數，卻會影響長任務能否完成。類似的容量與產品限制差異，也可在 GPT-5.6 Sol 1M 上下文文章看到。
在 Tabbit 裡做自己的對照
Tabbit Browser 把模型、來源分頁、圖片和輸出留在同一個瀏覽器。這很適合測匿名模型，因為結果容易保存與重跑。
先做一個成功條件明確的文字任務，再換 GLM-5.2 或另一模型，除了模型之外不要改 prompt。接著加入圖片，檢查回答是否真的引用畫面細節。多步驟網頁任務才切到 Agent Mode，並記錄工具呼叫、重試、耗時與結果。
若接上 coding harness，請把客戶端穩定性與模型能力分開。可參考 DeepSeek Harness 瀏覽器指南。做資料研究時，先附上來源分頁，再要求模型產出證據表；研究用 AI 瀏覽器工作流與 Tabbit 功能總覽都有可直接照做的步驟。
現在可以相信什麼
| 問題 | 當前答案 | 理由 |
|---|---|---|
| 值得測編碼與 Agent 嗎 | 值得受控測試 | 有具體正向案例，但樣本小 |
| 和 GLM 有關嗎 | 很可能 | 多組指紋指向同一方向 |
| 確定是 GLM-5.3 Flash 嗎 | 不確定 | 缺少官方公告、模型 ID 與權重匹配 |
| 63% 是排行榜成績嗎 | 不是 | 它是方法未完整公開的子集測試 |
| 適合敏感生產資料嗎 | 匿名階段不適合 | 營運者與保留條款不足以支撐合規結論 |
| Tabbit 適合試用嗎 | 適合可逆的文字、圖片與網頁任務 | 模型與比較流程都在同一瀏覽器 |
Ox Alpha 的範圍已經縮得很小：它像 GLM 家族，服務堆疊指向 Z.ai，還把 1M 上下文與多模態輸入放在一起。GLM-5.3 Flash 是目前最順的解釋，但仍是推測。用自己的任務驗證，留下 prompt 與結果，等官方真正公布 checkpoint 再更新結論。
常見問題
Ox Alpha 是什麼模型？
Ox Alpha 是 OpenRouter 於 2026 年 8 月 21 日推出的匿名預覽模型。公開規格包括 1,048,576 token 上下文、最高 131,072 token 輸出，以及編碼、長時間 Agent 和生產任務定位。開發者與確切 checkpoint 尚未公開。
Ox Alpha 已確定是 GLM-5.3 Flash 嗎？
還沒有。OpenRouter 與 Z.ai 都沒有正式宣布 Ox Alpha 就是 GLM-5.3 Flash。社群指紋很像 GLM-5.x 家族與 Z.ai 服務堆疊，但 Flash 仍是推測名稱。
為什麼大家認為 Ox Alpha 屬於 GLM？
社群調查者報告 50 條字串的 token 計數與 GLM-5.3 全部匹配，影片 token 預算接近 GLM-5V-Turbo，部分後端錯誤也與 Z.ai GLM 服務一致。這些線索支持家族關係，卻不能證明 checkpoint 相同。
Ox Alpha 支援多模態嗎？
支援。OpenRouter 官方公告寫明它接受文字、圖片與影片輸入並輸出文字。這不等於視覺 benchmark，也沒有公開影片長度上限或底層架構。
Ox Alpha 繼承了 GLM-5.2 的能力嗎？
Z.ai 表示公開版 GLM-5.3 與 GLM-5.2 使用同一個 base model，能力進步來自額外後訓練。如果 Ox Alpha 確實是 GLM-5.3 Flash，這個說法有合理來源；目前還不是 Ox Alpha 的官方架構說明。
如何在 Tabbit 使用 GLM-5.3 Flash？
開啟 Tabbit 的 GLM-5.3 Flash 模型頁，輸入文字、圖片或 Agent 任務，再選擇在 Tabbit 使用。請保存 prompt 與輸出，並避免把敏感程式碼、憑證或客戶資料交給匿名預覽路由。