Seit Donnerstag kursiert ein KI-Modell, das es offiziell gar nicht gibt: Ox Alpha tauchte als „Stealth-Modell“ auf OpenRouter auf – kostenlos, von einem anonymen Anbieter, ohne bekannten Hersteller. Trotzdem begeistert es Entwickler weltweit. Stripe-CEO Patrick Collison nennt es „very impressive“. Und ich kann das nach einigen Tagen Praxis bestätigen: Ich nutze das Ox Alpha KI-Modell seit Donnerstag fast täglich – und bin bisher ziemlich beeindruckt.
Was Ox Alpha so besonders macht, ist die Kombination aus Leistung, Anonymität und Größenordnung. Ein Modell auf Spitzenniveau, verschenkt, von einem Anbieter, der nicht genannt werden will. Business Insider hat die Geschichte aufgegriffen, die Community rätselt über die Herkunft. Ich habe mir Fakten, Spurenlage und meine eigenen Erfahrungen angeschaut.
Was ist Ox Alpha überhaupt?
Ox Alpha ist ein Reasoning-Modell, das am 20. August auf OpenRouter und beim Coding-Agenten OpenCode erschien. Laut Beschreibung ist es für Coding, langfristige Agenten-Arbeit und Produktions-Workloads gebaut – also für mehrstufige Software-Entwicklung, komplexe Reasoning-Ketten und Workflows, die Text mit visuellem Kontext kombinieren.
Die Eckdaten sind beeindruckend:
- 1 Million Token Kontext, multimodal mit Text-, Bild- und Videoeingabe
- 131.072 Output-Token
- Für eine Woche kostenlos, laut OpenCode „near unlimited usage“
- Vom Anbieter angekündigte Kapazität: 100 Billionen Token pro Tag
Zur Einordnung: Das ist grob das Hundertfache dessen, was Visa eigenen Angaben zufolge in einem ganzen Monat verarbeitet. Kein Wunder, dass die Gerüchteküche brodelt.
Wer steckt hinter dem Ox Alpha KI-Modell? Die Spurenlage
Die Indizien sind stark, aber nicht eindeutig. Die führende Theorie führt zu Z.ai: Das chinesische Labor hat erst Mitte August mit GLM-5.3 ein Open-Source-Modell an die Spitze der Benchmarks katapultiert. Dazu passt, dass Z.ai schon einmal ein unveröffentlichtes GLM anonym getestet hat – als „Pony Alpha“. Entwickler haben außerdem Ox Alphas Tokenizer-Verhalten analysiert und einen konstanten Offset zu GLM-5.3 gefunden, was auf dieselbe Architektur mit verstecktem System-Prompt hindeutet. Wccftech hat die Spurenlage ausführlich dokumentiert: Auch Video-Encoding-Pipelines und Antwortmuster ähneln Zhipus Architektur. Auf Kingbench erreicht Ox Alpha 87,5 Prozent – dicht hinter GLM-5.3 mit 91,25 Prozent.
Es gibt aber Gegen-Theorien. Eine Tokenizer-Analyse soll laut Business Insider auch auf Microsofts MAI-Familie passen. DeepSeek wird gehandelt, weil V4 zunächst als „Hunter Alpha“ startete – doch die Tokenisierung weicht ab, und DeepSeek hat zuletzt Preise erhöht. In meinen Kreisen wird außerdem Google hinter vorgehaltener Hand genannt, ebenso wie eines der chinesischen Labs. Analyst Andrew Curran fasste die Stimmung am Wochenende treffend zusammen: Freitagnacht galt GLM als Favorit, Samstagmorgen war sich niemand mehr sicher.
Spannend ist der Kontext: Moonshot hat mit Kimi K3 im Juli ein 2,8-Billionen-Parameter-Modell veröffentlicht, das Claude Fable herausfordert. Und schon GLM-5.2 schlug GPT-5.5 bei Coding-Benchmarks – zum Bruchteil der Kosten. Chinesische Labs liefern seit Monaten Spitzenniveau. Ein anonymes Feldtest-Szenario würde ins Muster passen.
Meine Erfahrung: Stark, aber nicht ganz Spitzenklasse
Jetzt zum Teil, der mich am meisten interessiert: Wie gut ist Ox Alpha wirklich? Ich habe das Modell seit Donnerstag in verschiedenen Coding-Szenarien eingesetzt – Refactoring, Code-Reviews, mehrstufige Agenten-Aufgaben, dazu ein paar längere Reasoning-Aufgaben.
Mein Fazit nach einigen Tagen: Beim Coding erreicht Ox Alpha nicht ganz das Niveau der aktuellen Top-Modelle wie GPT-5.6 – aber es ist erstaunlich nah dran. Für ein Modell, das kostenlos ist und dessen Hersteller nicht einmal genannt wird, ist das eine Ansage. Besonders bei langen, mehrstufigen Aufgaben macht es auffällig wenige Fehler, und der 1-Million-Token-Kontext ist im Alltag tatsächlich spürbar.
Was mir außerdem aufgefallen ist: Die Antworten dauern spürbar länger als bei vergleichbaren Modellen. Bei einem kostenlosen Angebot liegt die Vermutung nahe, dass der Anbieter drosselt – wer 100 Billionen Token am Tag verspricht, hat normalerweise keine Kapazitäts-, sondern eine Preisstrategie. Ob es Drosselung, Priorisierung oder schlicht ein besonders großes Modell ist, lässt sich von außen nicht sagen. Für den Gratis-Zweck stört es nicht.
100 Billionen Token am Tag: Was diese Zahl wirklich heißt
Die Kapazitätszahl ist der heimliche Star der Geschichte. 100 Billionen Token pro Tag klingen abstrakt – sie grenzen die Zahl der möglichen Hersteller aber drastisch ein. Community-Berechnungen kommen bei typischen Inferenzraten auf umgerechnet rund 580.000 beschleunigeräquivalente Recheneinheiten, um diesen Durchsatz zu stemmen. Das schafft kein Startup und kein kleines Labor.
Zhipu betreibt mehrere 10.000-GPU-Cluster und hat kürzlich ein Rechenzentrum mit einem Gigawatt Leistung ans Netz gebracht. Microsoft, Google oder DeepSeek hätten ebenfalls die Mittel. Damit ist die Kapazität kein Beweis – aber sie macht die Theorie plausibel, dass hier ein großes Labor bewusst anonym testet: echte Nutzer, echtes Feedback, keine Verpflichtungen. Das Muster ist bekannt: Unveröffentlichte Modelle unter Alias zu testen, war bei GLM („Pony Alpha“) und DeepSeek („Hunter Alpha“) schon einmal der Fall.
Was das für Teams bedeutet
Egal, wer dahintersteckt – wer Ox Alpha jetzt produktiv einsetzen will, sollte vier Dinge im Kopf behalten:
- Gratis ist kein Vertrag. Es gibt keinen SLA und keine Garantie, dass das Modell nach der Woche bleibt. Für Experimente und Prototypen ideal, für Produktions-Pipelines riskant.
- Datenhaltung unklar. OpenRouter weist darauf hin, dass Prompts und Antworten vom anonymen Anbieter aufbewahrt werden – nicht fürs Training, aber eben doch gespeichert. Kein Stoff für vertrauliche Firmendaten.
- Selbst evaluieren statt glauben. Leaderboards wie Kingbench sind ein Signal, kein Kaufargument. Entscheidend sind eigene Benchmarks mit den eigenen Aufgaben.
- Lieferkette im Blick behalten. Ein Modell ohne bekannten Hersteller ist ein Sicherheitsrisiko: kein Security-Review, keine Gewährleistung, keine klare Verantwortung. Für interne Tools okay, für kritische Systeme nicht.
Warum das Rätsel vielleicht gar keins ist
Die konträre These: Die Anonymität ist kein Zufall, sondern Methode. Wer ein Spitzenmodell verschenkt und gleichzeitig die Herkunft verschleiert, will Daten, Feedback und Aufmerksamkeit – in dieser Reihenfolge. Das Mysterium selbst ist das Marketing: Kaum ein Modell-Launch hat in 48 Stunden so viel Reichweite erzeugt.
Für uns als Nutzer ist die Herkunftsfrage trotzdem nicht akademisch. Sie entscheidet darüber, ob die Leistung reproduzierbar ist, ob Preise nach der Gratis-Woche explodieren und ob das Modell in einem Ökosystem lebt, das wir kennen. Wer Ox Alpha in die eigenen Workflows einbaut, sollte sich der Anschlussfrage stellen: Was passiert, wenn sich der Anbieter morgen zu erkennen gibt – oder gar nicht?
Fazit
Ox Alpha ist ein beeindruckendes Stück KI-Engineering – kostenlos, anonym und näher an der Spitze, als es sein dürfte. Meine Erfahrung nach einigen Tagen: Coding nah am GPT-5.6-Niveau, spürbar langsamer, aber für ein Gratis-Modell außergewöhnlich. Wer es ausprobieren will, sollte die Woche nutzen – und die eigene Bewertung nicht von der Herkunftsfrage abhängig machen, sondern von den eigenen Aufgaben.
FAQ
Was ist Ox Alpha?
Ox Alpha ist ein anonymes, kostenloses Reasoning-Modell auf OpenRouter und OpenCode. Es wurde für Coding, langfristige Agenten-Aufgaben und Produktions-Workloads entwickelt, bietet 1 Million Token Kontext und verarbeitet Text, Bilder und Videos.
Wer steckt hinter Ox Alpha?
Das ist unklar. Die stärksten Indizien führen zu Z.ai und der GLM-Familie (Tokenizer-Fingerprint, Pony-Alpha-Präzedenz), alternativ werden Microsofts MAI, DeepSeek oder Google gehandelt. Bewiesen ist nichts.
Ist Ox Alpha wirklich kostenlos?
Ja, aktuell schon – für eine Woche mit „near unlimited usage“, angekündigt wurden 100 Billionen Token pro Tag Kapazität. Was danach kommt (Preis, Zugang, Identität), ist offen.
Wie gut ist Ox Alpha beim Coding?
Nach meiner Einschätzung aus mehreren Tagen Praxis: sehr gut, nah am Niveau der Top-Modelle wie GPT-5.6, aber nicht ganz auf deren Höhe. Die Antwortzeiten sind spürbar länger – vermutlich wird beim Gratis-Zugang gedrosselt.
