O mundo da IA acabou de receber um lançamento misterioso. Um modelo anônimo chamado Ox Alpha apareceu no OpenRouter com contexto de 1 milhão de tokens, entrada de texto/imagem/vídeo e tool calling — gratuito, e sem laboratório algum reivindicando sua autoria. Conectado a agentes de programação reais, ele completou 8 de 10 tarefas de repositórios do DeepSWE (80%), superando o GPT-5.6 Sol Max (52%), o Fable 5 Max (65%) e o GLM-5.3 Max e o Grok 4.6 xhigh (62%). Em seguida, uma análise forense apontou diretamente para um Zhipu GLM-5.x ainda não lançado. A identidade importa menos do que o padrão: testes anônimos pré-lançamento estão se tornando, discretamente, a forma padrão de os laboratórios de fronteira lançarem seus modelos.
O que o Ox Alpha fez nos benchmarks de programação
O desenvolvedor Ben Davis selecionou 10 tarefas do DeepSWE, um benchmark construído em torno de trabalho real de engenharia de software — ler um repositório, localizar um bug, editar código, rodar testes e corrigir falhas ao longo de múltiplas rodadas. O Ox Alpha completou 8 de 10 (80%). No mesmo conjunto de comparação, o Fable 5 Max marcou 65%, o GLM-5.3 Max e o Grok 4.6 xhigh 62%, e o GPT-5.6 Sol Max 52%. Um segundo desenvolvedor, rodando um subconjunto diferente do DeepSWE, reportou cerca de 63%.
Duas ressalvas antes de continuar: 10 tarefas é uma amostra pequena, e as duas execuções usaram conjuntos de tarefas e configurações diferentes, então isto não é um ranking oficial. O que esses resultados mostram é um potencial real de programação de longo prazo — o trabalho sustentado de agente em múltiplas etapas que perguntas de programação em turno único não conseguem medir.
A perícia: por que todos acham que é o Zhipu GLM-5.x
A comunidade virou detetive, e as evidências são invulgarmente específicas. O sinal mais forte é o codificador de vídeo: em quatro clipes com frame rates, durações e resoluções diferentes, o Ox Alpha consumiu exatamente os mesmos tokens de visão que o GLM-5V-Turbo, enquanto MiMo, Qwen e GLM-4.6V divergiram. O tokenizador de texto também coincide — em mais de 25 conjuntos de prompts, o Ox Alpha manteve uma diferença fixa de 75 tokens em relação ao GLM-5.3. Ele recusa áudio com o mesmo comportamento de roteamento do GLM-5V, e seu estilo de resposta, a contagem de etapas do agente e a interface de raciocínio todos remetem à família GLM. A Zhipu tem histórico nesse tipo de coisa: ela já testou o GLM-5 anonimamente sob o codinome Pony Alpha.
Um testador colocou a confiança em 99 por cento de que se trata de um GLM-5.x — muito provavelmente o ainda não lançado GLM-5.3 Flash. A Zhipu desde então confirmou: o Ox Alpha é o GLM-5.3 Flash, com código aberto no lançamento. Um segundo modelo anônimo, korrine, apareceu depois no Code Arena, com palpites variando de Kimi K3.1 a Qwen a MiMo V3. Nem a OpenRouter nem a Zhipu comentaram publicamente.
Por que lançamentos anônimos estão se tornando padrão
Esta é a parte que importa para a indústria. Em arenas às cegas, esconder a marca elimina o efeito halo — os usuários votam apenas na saída, então os rankings resultantes refletem preferência real em vez de reputação. O OpenRouter realiza um tipo diferente de teste: desenvolvedores conectam o modelo a agentes de programação, entregam repositórios reais e executam sessões de tool calling de horas. Estabilidade de contexto, confiabilidade das ferramentas e se o modelo entra em loop ou se perde em tarefas longas — tudo isso vem à tona sob carga real.
Para o laboratório por trás do modelo, isso é um teste de estresse público e gratuito: observar falhas cedo, validar a capacidade de inferência e semear boca a boca genuíno antes do lançamento oficial. E o jogo de adivinhação em si já virou um artifício de marketing — um cliffhanger de identidade estende o ciclo de discussão pelas redes sociais por dias.
O que isso significa para a fronteira da programação
Se um modelo de nível Flash — menor e mais barato por design — já se aproxima do nível de fronteira em programação com tarefas de repositórios reais, duas coisas se seguem. Primeiro, o teto da versão completa é mais alto do que qualquer coisa testada aqui, e ninguém o viu ainda. Segundo, a fronteira agora está sendo definida pelo trabalho de agentes em repositórios reais, não por benchmarks sintéticos de turno único. Na mesma semana, os provedores de fronteira estão correndo para baixar os preços — a OpenAI cortou cerca de 20 por cento no preço do GPT-5.6 Sol — enquanto os laboratórios chineses de pesos abertos comprimem capacidade de programação quase de fronteira em modelos menores, mais baratos e anônimos, deixando o mercado descobri-los.
O que você deve fazer agora
- Teste enquanto é gratuito. Aponte seu agente de programação para o Ox Alpha no OpenRouter e rode uma tarefa profunda de repositório. Avalie a confiabilidade das ferramentas e a retenção de contexto em sessões longas, não apenas uma única resposta.
- Fique de olho em novas entradas anônimas no Arena, no Code Arena e no OpenRouter. Uma marionete nova geralmente significa um lançamento iminente.
- Leia o sinal de preços. Se a Zhipu lançar o GLM-5.x Flash com esses números e um preço baixo, a programação com agentes fica dramaticamente mais barata para equipes que dependem de modelos de fronteira — na mesma direção que apontamos no último briefing diário de IA sobre os cortes de preços da OpenAI.
- Mantenha a perspectiva. Dez tarefas não coroam um modelo, mas o sinal de categoria — lançamentos anônimos, benchmarks de repositórios reais, programação de fronteira comprimida — é real.
Perguntas Frequentes
Qual modelo é o Ox Alpha, afinal?
A teoria dominante da comunidade é o ainda não lançado Zhipu GLM-5.3 Flash ou uma variante multimodal do GLM-5.x. As evidências incluem contagens idênticas de tokens de visão às do GLM-5V-Turbo em quatro vídeos, uma diferença fixa de 75 tokens no tokenizador de texto em relação ao GLM-5.3 e um roteamento de recusa de áudio coincidente. Nem a OpenRouter nem a Zhipu confirmaram.
O Ox Alpha é realmente melhor que o GPT-5.6 em programação?
Em um subconjunto de 10 tarefas do DeepSWE, ele completou 8 tarefas (80%) contra 52% do GPT-5.6 Sol Max, 65% do Fable 5 Max e 62% do GLM-5.3 Max e do Grok 4.6 xhigh. Uma segunda execução em um subconjunto diferente marcou cerca de 63%. As amostras são pequenas, então trate o ranking como indicativo, não definitivo.
Por que os laboratórios lançam modelos anonimamente antes do lançamento oficial?
Lançamentos às cegas eliminam o viés de marca nas arenas e funcionam como um teste de estresse público no OpenRouter, onde desenvolvedores submetem o modelo a repositórios reais e sessões longas de tool calling, expondo problemas de deriva de contexto e confiabilidade. Também gera boca a boca, e o jogo de adivinhação em si estende o ciclo de hype.
