Am 20. August 2026 tauchte auf OpenRouter und OpenCode ein neues KI-Modell auf — und niemand weiß, wer es gebaut hat. Es trägt den Codenamen Ox Alpha, akzeptiert Text, Bilder und Video, verarbeitet bis zu einer Million Token auf einmal und kostet für rund eine Woche nichts. Innerhalb eines Tages nach dem Start hatten Coding-Agenten bereits Milliarden von Token durch das Modell geschleust, und Reddit verwandelte sich in ein Detektivforum: Nutzer sezieren den Tokenizer, die Fehlermeldungen und sogar die Sprache der Backend-Logs, um herauszufinden, welches Labor sich hinter dem Release verbirgt.
Hier ist alles, was wir bisher wissen: die Spezifikationen, die ersten Testergebnisse und was sie tatsächlich belegen, was Reddit-Nutzer berichten, die führenden Theorien zur Identität — und wie du das Modell ausprobierst, bevor sich das Gratisfenster schließt.
Was ist Ox Alpha?
Ox Alpha ist das, was die Branche ein Stealth-Modell nennt: ein KI-System der Frontier-Klasse, das anonym über eine API-Plattform veröffentlicht wird, damit das dahinterstehende Labor vor dem offiziellen Launch Feedback aus der Praxis sammeln kann. Die offizielle OpenRouter-Seite beschreibt es als „ein Reasoning-Modell für Programmierung, anhaltende agentische Arbeit und Produktions-Workloads".
Im Klartext: Es ist für lange Aufgaben gebaut — mehrstufiges Programmieren, autonome Agentenläufe und das Durchdenken riesiger Materialmengen in einer einzigen Sitzung.
Kein Name, keine Firma, keine Pressemitteilung
Das Modell ist unter dem Anbieternamen „stealth" gelistet, und OpenRouter erklärt ausdrücklich, nur die Anfragen weiterzuleiten. Das System wurde von einem Dritten entwickelt und betrieben, der während der Preview anonym bleiben möchte. Stand 21. August hat sich kein Unternehmen dazu bekannt.
Das fünfte Mysterium-Modell in sechs Monaten
Das Drehbuch ist inzwischen vertraut. Ox Alpha ist der fünfte anonyme Release in rund sechs Monaten, und die vier vorherigen folgten alle demselben Muster: ein leiser Start, ein Schub kostenlosen Traffics, dann tritt ein Unternehmen hervor. Alle vier stammten letztlich aus chinesischen Laboren, darunter GLM-5 von Zhipu AI, MiMo-V2-Pro von Xiaomi, Ling-2.6-flash von Ant Group und LongCat-2.0 von Meituan. Diese Bilanz prägt einen Großteil der aktuellen Spekulationen.
Die Spezifikationen von Ox Alpha im Überblick
| Spezifikation | Detail |
|---|---|
| Kontextfenster | 1.048.576 Token |
| Maximaler Output | 131.072 Token |
| Eingaben | Text, Bilder, Video |
| Ausgabe | Nur Text |
| Tool-Unterstützung | Function Calling, strukturierter JSON-Output |
| Preis | Kostenlose Input- und Output-Token während der Preview |
| Durchsatz | 28 Token pro Sekunde (Median) |
| Latenz | Rund 4 Sekunden (Median) |
| Verfügbarkeit | 99,99 Prozent in den ersten Tagen |
| Kapazitätsangabe | 100 Billionen Token pro Tag während der Gratiswoche |
Zwei Details stechen hervor. Video-Input ist eine Premiere für einen Stealth-Release, und nur eine Handvoll namhafter Frontier-Modelle beherrscht ihn gut. Und das Kontextfenster mit einer Million Token könnte theoretisch eine komplette mittelgroße Codebasis oder Monate an Dokumenten in einer einzigen Anfrage aufnehmen. Ein Vorbehalt: Ein großes Kontextfenster bedeutet nicht automatisch, dass ein Modell jeden Token effektiv nutzt — und niemand hat bisher unabhängig geprüft, wie sich Ox Alpha bei extrem langen Eingaben schlägt.
Schlägt Ox Alpha wirklich GPT-5.6 Sol und Claude Fable?
Die Behauptung, die sich in den sozialen Medien am schnellsten verbreitet, ist ein Benchmark-Ergebnis: Ox Alpha soll bei DeepSWE-Software-Engineering-Aufgaben über 80 Prozent erreicht haben, gegenüber rund 65 Prozent für Claude Fable und 52 Prozent für GPT-5.6 Sol.
Diese Zahlen brauchen Kontext. Das Ergebnis stammt aus einem von Nutzern durchgeführten Test mit gerade einmal 10 Aufgaben. Der offizielle DeepSWE-Benchmark umfasst 113 langfristige Engineering-Aufgaben, von Grund auf neu geschrieben über 91 aktive Open-Source-Repositories in fünf Programmiersprachen — gezielt so gestaltet, dass Referenzlösungen nie in Trainingsdaten gelangen. Eine handverlesene Stichprobe von 10 Aufgaben kann ein Modell allein durch die Aufgabenauswahl bevorzugen.
Die korrekte Schlussfolgerung ist bescheidener: Ox Alpha hat in einem kleinen vorläufigen Test beeindruckt — mehr nicht. Zum Zeitpunkt der Veröffentlichung hat das Modell keine publizierten Ergebnisse auf einer großen unabhängigen Rangliste.
Was die reale Nutzung nahelegt
Die Nutzung erzählt ihre eigene Geschichte. Coding-Agenten wie Claude Code und Hermes-Agent-Harnesses schleusten fast sofort zusammen 18 Milliarden Token durch Ox Alpha — echte Entwickler behandeln es also als tägliches Arbeitstier und nicht als Kuriosität. Für ein brandneues anonymes Deployment sind die oben genannten Plattform-Metriken solide Produktionswerte.
Was Reddit-Nutzer berichten
Die ersten Reaktionen sind ehrlich gemischt — und damit nützlicher als der Hype.
Das Lob
Einige Entwickler berichten von starken Ergebnissen genau bei der Arbeit, auf die das Modell abzielt. Ein Nutzer schreibt, Ox Alpha habe zwei echte Bugs in einem Python-Projekt gefunden, die andere Prüftools übersehen hatten. Ein anderer bat es, eine interaktive Wetter-App zu bauen: Das Modell dachte zunächst mehrere Minuten nach und antwortete dann, ohne die Arbeit zu erledigen — nach einem zweiten Prompt lieferte es jedoch eine App, die der Tester als genauer und weniger fehlerhaft einstufte als eine Version von DeepSeek V4 Flash. OpenCode-Nutzer beschreiben es als effektiv beim Bau von Frontend-Oberflächen, bei einfachen Backend-Korrekturen, beim Arbeiten mit Screenshots, beim Planen größerer Programmieraufgaben — und dabei sparsamer mit Token als manche andere Gratismodelle.
Die Kritik
Die negativen Berichte zählen genauso. Nutzer sagen, das Modell könne minutenlang nachdenken, ohne eine Aktion auszuführen, tue sich mit komplexen Backend-Projekten schwer und arbeite beim Bauen von Grund auf inkonsistent. In einem Vergleich scheiterte es an einem Problem, das GPT-5.6 Sol sauber löste. Andere finden seine Prosa flach und mechanisch und bevorzugen für alltägliches Schreiben weiterhin DeepSeek.
Die Kostenfrage
Reddit stellt auch die naheliegende Frage: Ein Modell der Frontier-Klasse in diesem Umfang kostenlos zu betreiben ist teuer — was bekommt der anonyme Anbieter im Gegenzug? Die realistische Antwort: Daten, Feedback und Aufmerksamkeit. Die Tester führen faktisch kostenlos das Evaluierungsprogramm des Labors durch. Dieser Tausch kann sich trotzdem lohnen — solange man versteht, dass man Teil davon ist.
Wer hat es gebaut? Die führenden Theorien
Es gibt keine bestätigte Antwort, aber die Community-Ermittlungen haben mehrere Kandidaten hervorgebracht.
| Theorie | Belege |
|---|---|
| Multimodale GLM-5.3-Variante (Z.ai) | Tokenizer passt zur GLM-Familie, chinesischsprachige Backend-Meldungen, API-Fehlercode 1210 zuvor mit Z.ai in Verbindung gebracht, ähnliche Geschwindigkeits- und Caching-Muster |
| Xiaomi MiMo V3 | Xiaomi hat bereits anonyme Previews durchgeführt, und die Kapazitätsangabe von 100 Billionen Token erinnert an frühere MiMo-Aktionen |
| Tencent Hy4 | In einem eigenen Reddit-Ermittlungsthread vorgeschlagen |
| MiniMax | Zeitliche Indizien; ein unangekündigtes Modell würde passen |
| Ein Router, der zwischen mehreren Modellen wechselt | Würde das inkonsistente Verhalten je nach Aufgabentyp erklären |
Die GLM-Theorie führt derzeit. Tester bemerkten außerdem, dass Ox Alpha über dieselben seltenen Token-Fehler stolpert, die auch GLM-, MiMo- und Qwen-Modelle betreffen — was erneut auf ein chinesisches Labor deutet. Es gibt allerdings einen Haken: Das öffentlich verfügbare GLM-5.3 ist rein textbasiert, während Ox Alpha Bilder und Video akzeptiert. Falls die Theorie stimmt, wäre dies also eine unveröffentlichte multimodale Variante. Bis sich der Entwickler meldet, bleibt all das inoffizielles Fingerprinting.
So testest du Ox Alpha selbst — kostenlos
Es gibt drei Wege hinein, je nachdem, wie technisch du es angehen willst.
Option 1: Chat auf OpenRouter, ohne Code
- Öffne die Ox-Alpha-Modellseite auf OpenRouter.
- Wähle Try this model oder Playground.
- Melde dich mit einem kostenlosen OpenRouter-Konto an.
- Reiche eine Aufgabe als Text, Bild oder Videoclip ein.
Das ist der beste Weg, wenn du das Modell einfach nur kennenlernen willst.
Option 2: Über die API aufrufen
Entwickler können die OpenAI-kompatible API von OpenRouter mit der Modell-ID stealth/ox-alpha nutzen. Erzeuge einen API-Schlüssel im OpenRouter-Dashboard, richte ein Standard-SDK auf die OpenRouter-Basis-URL und setze das model-Feld entsprechend. Während der Preview werden sowohl Prompt- als auch Completion-Token mit null berechnet.
Option 3: In OpenCode verwenden
Der Launch ist eine gemeinsame Aktion mit OpenCode, dem Open-Source-Coding-Agenten, der das Modell für rund eine Woche mit so großzügigen Limits anbietet, dass das Team von nahezu unbegrenzter Nutzung spricht. Verbinde den OpenCode-Zen-Provider, öffne den Modellkatalog mit dem Befehl /models und wähle Ox Alpha.
Welchen Weg du auch wählst: Eine echte, aber unkritische Aufgabe verrät weit mehr als ein Chat-Prompt. Behebe einen Bug in einem kleinen Projekt, füge ein Feature samt Tests hinzu oder gib dem Modell den Screenshot einer Oberfläche zur Analyse. Solche Aufgaben testen Planung, Tool-Nutzung und die Fähigkeit, lange Arbeit zu Ende zu bringen.
Lies das Kleingedruckte, bevor du etwas Sensibles einfügst
Kostenlose Frontier-Rechenleistung hat immer Bedingungen, und dieser Launch hat eine Feinheit, die man verstehen sollte. Die OpenCode-Ankündigung wirbt mit Zero Data Retention, doch die OpenRouter-Seite erklärt, dass der anonyme Anbieter Prompts und Antworten sehr wohl speichert — nur ohne sie fürs Training zu verwenden. Welche Richtlinie gilt, kann davon abhängen, wie du auf das Modell zugreifst. Bis der Entwickler klare Bedingungen veröffentlicht, lautet die sichere Annahme: Deine Eingaben werden von einem Unternehmen gespeichert, das dir seinen Namen nicht genannt hat.
Die praktischen Regeln: keine Passwörter, persönlichen Informationen, vertraulichen Dokumente oder proprietären Quellcode einreichen. Bedenke außerdem, dass der Gratiszeitraum kein veröffentlichtes Enddatum hat und sich über Nacht ändern könnte — und dass es noch keine geprüften Benchmarks gibt, sodass jede Leistungsaussage auf kleinen Community-Stichproben beruht.
Warum es immer wieder Stealth-Releases gibt
Anonyme Launches lösen echte Probleme für KI-Labore. Sie erzeugen unvoreingenommenes Feedback, weil Tester an ein Modell ohne Marke keine Markenerwartungen herantragen können. Sie testen die Infrastruktur mit echtem Traffic, bevor der offizielle Launch kommt. Und sie erzeugen organische Aufmerksamkeit: Ein Mysterium-Modell, das namhafte Konkurrenten in Community-Tests schlägt, verdient sich wochenlange kostenlose Berichterstattung, die keine Werbekampagne kaufen könnte. Es ist damit zu rechnen, dass das Muster weitergeht — und ein unbekanntes Modell schnell einschätzen zu können, wird zu einer wirklich nützlichen Fähigkeit.
Die Coursiv-App und Plattform-Erfahrung
Launches wie dieser sind genau der Grund, warum sich das Erlernen von KI-Grundlagen auszahlt. Neue Modelle erscheinen inzwischen monatlich, und es profitieren die Menschen, die ein unbekanntes Tool öffnen, seine Stärken an einem Nachmittag ausloten und die guten in ihren Workflow integrieren können. Diese Fähigkeit ist erlernbar. Coursiv vermittelt sie in kurzen, strukturierten täglichen Lektionen zu praktischem Prompting, zum Vergleichen und Auswählen von KI-Tools und zu ihrer Anwendung auf alltägliche Arbeitsaufgaben — gemacht für beschäftigte Menschen ohne technischen Hintergrund. Die App führt dich Schritt für Schritt, damit du beim nächsten Ox Alpha genau weißt, wie du es auf Herz und Nieren prüfst. Wie bei jedem Lernprodukt: Aktuelle Kursdetails und Preise findest du auf der offiziellen Website.
Worauf jetzt zu achten ist
Wenn sich die Geschichte wiederholt, wird sich das Labor hinter Ox Alpha innerhalb von Tagen oder Wochen zu erkennen geben — höchstwahrscheinlich zusammen mit einem offiziellen Launch mit echtem Namen, veröffentlichten Benchmarks und Preisen. Ob die Fingerprinting-Detektive mit GLM richtig lagen, wird das Erste sein, was alle prüfen. Die zweite Frage betrifft die Kosten: Frühere Stealth-Modelle verwandelten ihre Gratis-Previews in aggressiv günstige öffentliche Preise — Teil der Strategie, mit der chinesische Labore westliche Konkurrenten das ganze Jahr über unter Druck gesetzt haben. Ein Programmierer auf Frontier-Niveau zu einem Bruchteil der Frontier-Preise hätte Auswirkungen weit über dieses eine Modell hinaus.
Das Fazit: Ox Alpha ist eine seltene Gelegenheit, ein mögliches Frontier-Modell zum Nulltarif zu testen — mit dem Kleingedruckten, dass du Teil des Experiments bist. Probiere es diese Woche an einem unkritischen Projekt aus; aber baue keinen Produktions-Workflow auf einer anonymen Preview auf.