8 月 20 日，一个来历不明的匿名模型 Ox Alpha 登上全球最大 AI 聚合平台 OpenRouter，免费开放一周。开发者实测其 DeepSWE 代码修复得分约 80%，远超 Claude Fable 5 的 65% 与 GPT-5.6 Sol 的 52%，上下文窗口达 104 万 token，支持多模态输入。种种线索指向中国公司智谱。
开发者 Ben Davis 让 Ox Alpha 完成了 DeepSWE 基准的十项代码修复任务。结果令人瞩目：
注：柱形自 48 分起缩放，非零起点；分差以标注分数为准。Ox Alpha 领先第二名 Claude Fable 5 达 15 个百分点，差距显著。
Davis 本人表示，鉴于该模型来源不明，这一结果「令人困惑」。但数据本身是公开的——OpenRouter 的在线测试记录可查，十项任务逐一执行，结果可复现。
DeepSWE 与 MMLU、GPQA 等传统基准的区别非常直接：
考「模型知不知道」——知识问答与选择题，与现实软件工程交付距离较远。
考「AI 能不能读取真实代码库、识别漏洞、生成有效补丁」——端到端工程能力。
DeepSWE 的测试任务涵盖：bug 修复、安全漏洞修补、代码重构、测试用例生成、跨文件依赖分析等。每个任务要求模型读取完整的代码仓库，定位问题，生成可合并的补丁文件，并通过自动化验证。
这不是「答题」，而是交付可运行的结果。因此，DeepSWE 高分意味着模型在真实开发场景中具备实用价值。
注：DeepSWE 基准由独立社区维护，测试任务来自真实开源仓库的 issue 与 PR。
基于 DeepSWE 测试任务类型，Ox Alpha 展现出在以下场景中的工程能力：
读取数千行代码的仓库，定位导致崩溃的边界条件错误，生成最小修复补丁，并通过已有测试套件验证。
识别代码中的 SQL 注入、XSS、RCE 等漏洞，生成带上下文的安全补丁，并补充相应的回归测试。
理解多个文件之间的调用关系，完成接口变更后的全局重构，确保所有依赖方同步更新。
注：以上场景基于 DeepSWE 基准测试任务类型整理，具体表现以官方评测结果为准。
Ox Alpha 在 OpenRouter 上匿名上线，不披露任何公司或团队背景。但开发者社区已经梳理出多条线索：
一个诚实的注脚：
这些线索都属于间接证据，不排除其他团队的可能性。但 Ox Alpha 的出现本身说明了一件事——中国 AI 模型在工程能力维度已经达到世界领先水平，无论它是否来自智谱。
匿名模型以 80% 的 DeepSWE 跑分震撼行业，但比分数更值得关注的是信号本身：中国 AI 模型的工程交付能力已悄然来到全球第一梯队。当模型不再需要「自报家门」就能凭实力登顶，说明真正的竞赛已经从参数宣发转向了实打实的代码落地能力。谁在匿名，也许并不重要；重要的是，那个水平已经在那里了。
Ox Alpha 目前通过 OpenRouter 免费开放，终端编程智能体 OpenCode 也已接入该模型。登录 OpenRouter 选择 Ox Alpha 即可直接调用，预览期免费。
openrouter.ai → 选择 Ox Alpha移动端也可直接访问，支持文本/图像/视频输入，无需注册即可体验基础功能。