El 20 de agosto de 2026 apareció un nuevo modelo de IA en OpenRouter y OpenCode, y nadie sabe quién lo construyó. Lleva el nombre en clave Ox Alpha, acepta texto, imágenes y video, lee hasta un millón de tokens a la vez y, durante aproximadamente una semana, no cuesta nada usarlo. A un día del lanzamiento, los agentes de programación ya habían pasado miles de millones de tokens por el modelo, y Reddit se convirtió en un foro de detectives: los usuarios diseccionan su tokenizer, sus mensajes de error e incluso el idioma de sus logs de backend para averiguar qué laboratorio se esconde detrás del lanzamiento.
Esto es todo lo que sabemos hasta ahora: las especificaciones, los primeros números de pruebas y lo que realmente demuestran, lo que reportan los usuarios de Reddit, las principales teorías sobre su identidad y exactamente cómo probar el modelo antes de que se cierre la ventana gratuita.
¿Qué es Ox Alpha?
Ox Alpha es lo que la industria llama un modelo stealth: un sistema de IA de clase frontier lanzado de forma anónima a través de una plataforma de API para que el laboratorio detrás pueda recopilar retroalimentación del mundo real antes de un lanzamiento público. La ficha oficial de OpenRouter lo describe como “un modelo de razonamiento diseñado para programación, trabajo agéntico sostenido y cargas de producción”.
En términos simples, está construido para trabajos largos: programación de varios pasos, ejecuciones autónomas de agentes y razonamiento sobre enormes cantidades de material en una sola sesión.
Sin nombre, sin empresa, sin comunicado de prensa
El modelo aparece bajo el nombre de proveedor “stealth”, y OpenRouter declara claramente que solo enruta las solicitudes. El sistema fue desarrollado y es operado por un tercero que ha elegido permanecer anónimo durante la vista previa. Al 21 de agosto, ninguna empresa lo ha reclamado.
El quinto modelo misterioso en seis meses
El guion ya resulta familiar. Ox Alpha es el quinto lanzamiento anónimo en unos seis meses, y los cuatro anteriores siguieron el mismo libreto: un debut silencioso, una ola de tráfico gratuito y luego una empresa dando la cara. Los cuatro resultaron venir de laboratorios chinos, incluyendo GLM-5 de Zhipu AI, MiMo-V2-Pro de Xiaomi, Ling-2.6-flash de Ant Group y LongCat-2.0 de Meituan. Ese historial moldea la mayor parte de la especulación actual.
Especificaciones de Ox Alpha de un vistazo
| Especificación | Detalle |
|---|---|
| Ventana de contexto | 1,048,576 tokens |
| Salida máxima | 131,072 tokens |
| Entradas | Texto, imágenes, video |
| Salida | Solo texto |
| Soporte de herramientas | Function calling, salida JSON estructurada |
| Precio | Tokens de entrada y salida gratuitos durante la vista previa |
| Velocidad | 28 tokens por segundo (mediana) |
| Latencia | Unos 4 segundos (mediana) |
| Disponibilidad | 99.99 por ciento en los primeros días |
| Capacidad declarada | 100 billones de tokens al día durante la semana gratuita |
Dos detalles destacan. La entrada de video es una primicia para un lanzamiento stealth, y solo un puñado de modelos frontier con nombre la maneja bien. Y la ventana de contexto de un millón de tokens podría, en teoría, contener una base de código completa de tamaño medio o meses de documentos en una sola solicitud. Una advertencia: una ventana de contexto grande no significa automáticamente que el modelo use cada token de forma eficaz, y nadie ha verificado de manera independiente cómo se desempeña Ox Alpha con entradas extremadamente largas.
¿De verdad Ox Alpha supera a GPT-5.6 Sol y Claude Fable?
La afirmación que más rápido se difunde en redes sociales es un resultado de benchmark: Ox Alpha habría superado el 80 por ciento en tareas de ingeniería de software DeepSWE, frente a aproximadamente 65 por ciento de Claude Fable y 52 por ciento de GPT-5.6 Sol.
Esos números necesitan contexto. El resultado proviene de una prueba hecha por un usuario con apenas 10 tareas. El benchmark oficial DeepSWE contiene 113 tareas de ingeniería de largo horizonte escritas desde cero sobre 91 repositorios open source activos en cinco lenguajes de programación, diseñadas específicamente para que las soluciones de referencia nunca se filtren a los datos de entrenamiento. Una muestra escogida a mano de 10 tareas puede favorecer a un modelo solo por la selección de las tareas.
La conclusión precisa es más modesta: Ox Alpha impresionó en una pequeña prueba preliminar, y eso es todo. Al momento de escribir esto, el modelo no tiene resultados publicados en ningún ranking independiente importante.
Lo que sugiere el uso real
La adopción cuenta su propia historia. Agentes de programación como Claude Code y los harness de Hermes Agent pasaron en conjunto 18 mil millones de tokens por Ox Alpha casi de inmediato, lo que significa que desarrolladores reales lo están tratando como herramienta de trabajo diaria y no como curiosidad. Para un despliegue anónimo recién nacido, las métricas de plataforma de arriba son números sólidos de producción.
Lo que dicen los usuarios de Reddit
Las primeras reacciones son genuinamente mixtas, lo que las hace más útiles que el hype.
Los elogios
Algunos desarrolladores reportan buenos resultados justo en el trabajo que el modelo dice cubrir. Un usuario contó que Ox Alpha encontró dos bugs reales en un proyecto de Python que otras herramientas de auditoría habían pasado por alto. Otro le pidió construir una aplicación interactiva del clima: el modelo primero razonó varios minutos y respondió sin hacer el trabajo, pero tras un segundo prompt produjo una app que el tester consideró más precisa y con menos errores que una versión de DeepSeek V4 Flash. Los usuarios de OpenCode lo describen como eficaz para construir interfaces frontend, hacer correcciones básicas de backend, trabajar a partir de capturas de pantalla, planear tareas de programación más grandes y gastar menos tokens que otros modelos gratuitos.
Las quejas
Los reportes negativos importan igual. Los usuarios dicen que el modelo puede razonar durante minutos sin ejecutar ninguna acción, batalla con proyectos backend complejos y se comporta de forma inconsistente al construir desde cero. En una comparación falló un problema que GPT-5.6 Sol resolvió sin problemas. Otros encuentran su prosa plana y mecánica y siguen prefiriendo DeepSeek para la escritura cotidiana.
La pregunta económica
Reddit también se hace la pregunta obvia: servir gratis un modelo de clase frontier a esta escala es caro, ¿qué obtiene a cambio el proveedor anónimo? La respuesta realista: datos, retroalimentación y atención. Los testers están ejecutando gratis, en la práctica, el programa de evaluación del laboratorio. Ese intercambio puede valer la pena de todos modos, siempre que entiendas que formas parte de él.
¿Quién lo construyó? Las teorías principales
No hay respuesta confirmada, pero la investigación de la comunidad ha producido varios candidatos.
| Teoría | Evidencia a favor |
|---|---|
| Variante multimodal de GLM-5.3 (Z.ai) | El tokenizer coincide con la familia GLM, mensajes de backend en chino, código de error de API 1210 asociado antes con Z.ai, patrones similares de velocidad y caché |
| Xiaomi MiMo V3 | Xiaomi ya ha hecho vistas previas anónimas, y la capacidad declarada de 100 billones de tokens recuerda promociones anteriores de MiMo |
| Tencent Hy4 | Propuesta en un hilo de investigación dedicado en Reddit |
| MiniMax | Coincidencias de tiempo; un modelo no anunciado encajaría |
| Un router que alterna entre varios modelos | Explicaría el comportamiento inconsistente entre tipos de tareas |
La teoría de GLM va a la cabeza por ahora. Los testers también notaron que Ox Alpha tropieza con los mismos fallos raros de tokens que afectan a los modelos GLM, MiMo y Qwen, lo que de nuevo apunta a un laboratorio chino. Hay un matiz: el GLM-5.3 disponible públicamente es solo de texto, mientras que Ox Alpha acepta imágenes y video, así que, si la teoría se sostiene, sería una variante multimodal no publicada. Hasta que el desarrollador dé la cara, todo esto sigue siendo fingerprinting extraoficial.
Cómo probar Ox Alpha gratis
Hay tres caminos, según qué tan técnico quieras ponerte.
Opción 1: chatear en OpenRouter, sin código
- Abre la página del modelo Ox Alpha en OpenRouter.
- Selecciona Try this model o Playground.
- Inicia sesión con una cuenta gratuita de OpenRouter.
- Envía una tarea como texto, imagen o clip de video.
Es la mejor ruta si solo quieres tantear el modelo.
Opción 2: llamarlo por la API
Los desarrolladores pueden usar la API de OpenRouter compatible con OpenAI con el ID de modelo stealth/ox-alpha. Genera una clave de API en el panel de OpenRouter, apunta cualquier SDK estándar a la URL base de OpenRouter y configura el campo model en consecuencia. Durante la vista previa, tanto los tokens de prompt como los de respuesta se facturan a cero.
Opción 3: usarlo dentro de OpenCode
El lanzamiento es una promoción conjunta con OpenCode, el agente de programación open source, que ofrece el modelo por cerca de una semana con límites tan generosos que el equipo habla de uso casi ilimitado. Conecta el proveedor OpenCode Zen, abre el catálogo de modelos con el comando /models y selecciona Ox Alpha.
Elijas la ruta que elijas, una tarea real pero no sensible revela mucho más que un prompt de chat: corrige un bug en un proyecto pequeño, agrega una función con sus pruebas o entrégale al modelo la captura de una interfaz para analizar. Estas tareas ponen a prueba la planeación, el uso de herramientas y la capacidad de terminar trabajos largos.
Lee la letra pequeña antes de pegar algo sensible
El cómputo frontier gratuito siempre viene con condiciones, y este lanzamiento tiene un matiz que vale la pena entender. El anuncio de OpenCode promueve la retención cero de datos, pero la ficha de OpenRouter señala que el proveedor anónimo sí conserva prompts y respuestas, solo que sin usarlos para entrenamiento. La política aplicable puede depender de cómo accedas al modelo y, hasta que el desarrollador publique términos claros, lo prudente es asumir que tus entradas quedan almacenadas por una empresa que no te ha dicho su nombre.
Las reglas prácticas: no envíes contraseñas, información personal, documentos confidenciales ni código fuente propietario. Recuerda también que el periodo gratuito no tiene fecha de término publicada y podría cambiar de la noche a la mañana, y que aún no existen benchmarks auditados, así que toda afirmación de rendimiento descansa en pequeñas muestras de la comunidad.
Por qué siguen ocurriendo los lanzamientos stealth
Los lanzamientos anónimos resuelven problemas reales para los laboratorios de IA. Generan retroalimentación sin sesgos, porque los testers no pueden proyectar expectativas de marca sobre un modelo sin marca. Someten la infraestructura a tráfico real antes del lanzamiento oficial. Y construyen atención orgánica: un modelo misterioso que vence a competidores conocidos en pruebas comunitarias se gana semanas de cobertura gratuita que ninguna campaña publicitaria podría comprar. Espera que el patrón continúe, lo que significa que evaluar rápido un modelo desconocido se está volviendo una habilidad genuinamente útil.
La experiencia de la app y la plataforma Coursiv
Lanzamientos como este son exactamente la razón por la que aprender los fundamentos de la IA rinde frutos. Ahora aparecen modelos nuevos cada mes, y quienes se benefician son las personas capaces de abrir una herramienta desconocida, sondear sus fortalezas en una tarde e incorporar las buenas a su flujo de trabajo. Esa habilidad se puede aprender. Coursiv la enseña con lecciones diarias cortas y estructuradas sobre prompting práctico, comparación y elección de herramientas de IA y su aplicación a tareas cotidianas de trabajo, diseñadas para personas ocupadas sin perfil técnico. La app te guía paso a paso, para que cuando aparezca el próximo Ox Alpha sepas exactamente cómo ponerlo a prueba. Como con cualquier producto educativo, consulta en el sitio oficial los detalles y precios vigentes de los cursos.
Qué observar a continuación
Si la historia se repite, el laboratorio detrás de Ox Alpha se identificará en días o semanas, muy probablemente junto con un lanzamiento oficial con nombre real, benchmarks publicados y precios. Lo primero que todos revisarán es si los detectives del fingerprinting acertaron con GLM. La segunda pregunta es el costo: los modelos stealth anteriores convirtieron sus vistas previas gratuitas en precios públicos agresivamente bajos, que es parte de cómo los laboratorios chinos han presionado a los competidores occidentales todo el año. Un programador de nivel frontier a una fracción de los precios frontier tendría repercusiones mucho más allá de este único modelo.
En resumen: Ox Alpha es una oportunidad rara de probar un posible modelo frontier a costo cero, con la letra pequeña de que formas parte del experimento. Pruébalo esta semana en un proyecto no crítico; pero no construyas un flujo de producción sobre una vista previa anónima.