Skor 80% di benchmark DeepSWE. Angka itu yang pertama membuat komunitas developer diam sejenak, karena yang mencetaknya bukan model dengan nama besar, melainkan entri anonim berlabel stealth/ox-alpha di OpenRouter.
Ox Alpha muncul pada 20 Agustus 2026 tanpa press release, tanpa nama perusahaan, tanpa konferensi pers. Hanya satu deskripsi singkat: model penalaran yang dirancang untuk coding, kerja agen berkelanjutan, dan beban kerja produksi. Gratis selama satu minggu.
Spesifikasi teknisnya bukan sembarangan. Context window mencapai 1,05 juta token, output maksimum 131.072 token per respons, input multimodal mencakup teks, gambar, dan video. Provider juga mengklaim zero data retention dan rate limit yang sangat longgar. Satu detail yang langsung memicu kecurigaan komunitas: kapasitas yang diumumkan mencapai 100 triliun token per hari, setara sekitar 1,16 miliar token per detik. Infrastruktur sebesar itu bukan milik startup yang baru berdiri kemarin sore. Sama sekali bukan.
Yang pertama mengangkat ini ke permukaan adalah developer Ben Davis. Ia menjalankan Ox Alpha pada sepuluh tugas dari DeepSWE, suite berisi masalah rekayasa software nyata dari repository sungguhan, bukan soal pilihan ganda. Hasilnya: Ox Alpha 80%, Claude Fable 5 65%, GPT-5.6 hanya 52%. Davis sendiri menulis bahwa dirinya "sangat bingung" dengan skor tersebut, sambil mengingatkan bahwa sampelnya kecil dan kondisi pengujian belum sepenuhnya terkontrol. Verifikasi independen dengan suite yang lebih luas masih diperlukan. Tapi selisih 15 poin dari Claude dan 28 poin dari GPT-5.6 bukan noise statistik biasa.
Kecepatan generasinya pun dilaporkan luar biasa oleh para tester. Detail yang, agaknya, tidak muncul di benchmark mana pun tapi sangat terasa saat dipakai kerja nyata.
CEO Stripe Patrick Collison, yang perusahaannya tengah mengakuisisi OpenRouter, menyebut Ox Alpha "sangat mengesankan" di platform X. Endorsement dari orang sekaliber Collison cukup untuk mendongkrak atensi publik beberapa level sekaligus.
Lantas siapa yang ada di baliknya? Komunitas langsung membedah setiap detail teknis yang bisa ditemukan. Konsumsi token dari video encoder Ox Alpha identik dengan GLM-5V-Turbo. Tokenizernya selaras dengan GLM-5.3. Cara model ini menolak input audio dan frekuensi emoji dalam respons cocok dengan keluarga GLM. Ben Davis menyatakan keyakinan 99% bahwa ini GLM dari seri 5.x yang belum dirilis, buatan Zhipu AI, lab asal Tiongkok yang kini juga dikenal sebagai Z.ai. Analisis BigGo Finance sampai pada estimasi probabilitas sekitar 90% untuk hipotesis yang sama, kemungkinan GLM-5.3V atau GLM-5.5 yang sedang menjalani uji coba skala besar sebelum debut resmi.
Ada hipotesis minoritas yang menunjuk Xiaomi dan model MiMo-nya, dengan alasan kualitas frontend dan kerapian kode yang selama ini bukan kekuatan model-model Tiongkok. Tapi tanda tangan teknis lebih berbobot daripada kesan visual semata. Zhipu belum berkomentar, konsisten dengan taktik stealth testing yang pernah mereka pakai sebelumnya.
Mengapa gratis? Logikanya sederhana. Peluncuran diam-diam memungkinkan lab mengumpulkan feedback nyata dari ribuan developer tanpa beban ekspektasi merek. Jika model gagal, tidak ada nama yang tercoreng. Jika berhasil mengejutkan seperti sekarang, gelombang antisipasi spontan yang terbentuk tidak akan bisa dibeli oleh kampanye marketing senilai berapa pun. Pola ini bak gayung bersambut dengan apa yang sudah kita lihat dari DeepSeek dan beberapa lab Tiongkok lainnya.
Satu peringatan bagi siapa pun yang ingin mencobanya. Provider memang menjanjikan zero data retention, tapi tetap entitas anonim tanpa ketentuan layanan yang bisa diverifikasi. Siapa pun yang bekerja dengan kode proprietary atau data sensitif sebaiknya menahan diri dulu. Akses gratis minggu ini ideal untuk menguji kemampuan, bukan untuk menangani rahasia perusahaan.
Ox Alpha bisa diakses via API di OpenRouter dengan identifier stealth/ox-alpha, atau melalui OpenCode dalam paket gratis OpenCode Zen bagi yang sudah terbiasa bekerja dari terminal. Jendela gratis terikat pada satu minggu sejak 20 Agustus. Setelah itu model bisa saja menghilang, berganti nama, atau berbayar, seperti yang sudah pernah terjadi pada stealth model sebelumnya.
Pertanyaan terbesar bukan lagi soal skor benchmark. Pertanyaannya: lab mana yang berani keluar dari balik tirai dan mengklaim ini sebagai karyanya?