Il 20 agosto 2026 un nuovo modello IA è apparso su OpenRouter e OpenCode, e nessuno sa chi lo abbia costruito. Si presenta con il nome in codice Ox Alpha, accetta testo, immagini e video, legge fino a un milione di token alla volta e per circa una settimana non costa nulla. A un giorno dal lancio, gli agenti di programmazione avevano già fatto passare miliardi di token attraverso il modello, e Reddit si è trasformato in un forum di investigatori: gli utenti analizzano il tokenizer, i messaggi di errore e perfino la lingua dei log di backend per capire quale laboratorio si nasconda dietro il rilascio.
Ecco tutto quello che sappiamo finora: le specifiche, i primi numeri dei test e cosa dimostrano davvero, cosa riportano gli utenti di Reddit, le principali teorie sull’identità e come provare il modello prima che la finestra gratuita si chiuda.
Che cos’è Ox Alpha?
Ox Alpha è quello che il settore chiama un modello stealth: un sistema IA di classe frontier rilasciato in forma anonima tramite una piattaforma API, così che il laboratorio che lo ha creato possa raccogliere feedback dal mondo reale prima del lancio pubblico. La scheda ufficiale su OpenRouter lo descrive come “un modello di ragionamento progettato per la programmazione, il lavoro agentico prolungato e i carichi di produzione”.
In parole semplici, è costruito per i lavori lunghi: programmazione in più passaggi, esecuzioni autonome di agenti e ragionamento su enormi quantità di materiale in un’unica sessione.
Nessun nome, nessuna azienda, nessun comunicato stampa
Il modello è elencato sotto il nome di provider “stealth”, e OpenRouter dichiara chiaramente di limitarsi a instradare le richieste. Il sistema è stato sviluppato e viene gestito da una terza parte che ha scelto di rimanere anonima durante l’anteprima. Al 21 agosto, nessuna azienda lo ha rivendicato.
Il quinto modello misterioso in sei mesi
Il copione è ormai familiare. Ox Alpha è il quinto rilascio anonimo in circa sei mesi, e i quattro precedenti hanno seguito tutti lo stesso schema: un debutto silenzioso, un’ondata di traffico gratuito, poi un’azienda che si fa avanti. Tutti e quattro si sono rivelati opera di laboratori cinesi, tra cui GLM-5 di Zhipu AI, MiMo-V2-Pro di Xiaomi, Ling-2.6-flash di Ant Group e LongCat-2.0 di Meituan. È questo precedente a orientare gran parte delle speculazioni attuali.
Le specifiche di Ox Alpha in sintesi
| Specifica | Dettaglio |
|---|---|
| Finestra di contesto | 1.048.576 token |
| Output massimo | 131.072 token |
| Input | Testo, immagini, video |
| Output | Solo testo |
| Supporto strumenti | Function calling, output JSON strutturato |
| Prezzo | Token di input e output gratuiti durante l’anteprima |
| Velocità | 28 token al secondo (mediana) |
| Latenza | Circa 4 secondi (mediana) |
| Uptime | 99,99 per cento nei primi giorni |
| Capacità dichiarata | 100.000 miliardi di token al giorno durante la settimana gratuita |
Due dettagli spiccano. L’input video è una prima assoluta per un rilascio stealth, e solo una manciata di modelli frontier con un nome lo gestisce bene. E la finestra di contesto da un milione di token potrebbe, in teoria, contenere un’intera codebase di medie dimensioni o mesi di documenti in una singola richiesta. Un avvertimento: una finestra di contesto grande non significa automaticamente che il modello usi ogni token in modo efficace, e nessuno ha ancora verificato in modo indipendente come Ox Alpha si comporti su input estremamente lunghi.
Ox Alpha batte davvero GPT-5.6 Sol e Claude Fable?
L’affermazione che circola più velocemente sui social è un risultato di benchmark: Ox Alpha avrebbe superato l'80 per cento nelle attività di ingegneria del software DeepSWE, contro circa il 65 per cento di Claude Fable e il 52 per cento di GPT-5.6 Sol.
Quei numeri vanno contestualizzati. Il risultato proviene da un test condotto da un utente con appena 10 attività. Il benchmark ufficiale DeepSWE contiene 113 attività di ingegneria a lungo orizzonte scritte da zero su 91 repository open source attivi in cinque linguaggi di programmazione, progettate appositamente perché le soluzioni di riferimento non finiscano mai nei dati di addestramento. Un campione selezionato di 10 attività può favorire un modello per pura selezione dei compiti.
La conclusione corretta è più modesta: Ox Alpha ha impressionato in un piccolo test preliminare, e questo è tutto. Al momento della scrittura, il modello non ha risultati pubblicati su nessuna classifica indipendente importante.
Cosa suggerisce l’uso reale
L’adozione racconta la sua storia. Agenti di programmazione come Claude Code e gli harness di Hermes Agent hanno fatto passare complessivamente 18 miliardi di token attraverso Ox Alpha quasi subito: significa che sviluppatori veri lo stanno trattando come uno strumento di lavoro quotidiano, non come una curiosità. Per un deployment anonimo appena nato, le metriche di piattaforma riportate sopra sono numeri da produzione solidi.
Cosa dicono gli utenti di Reddit
Le prime reazioni sono davvero contrastanti, il che le rende più utili dell’hype.
Gli elogi
Alcuni sviluppatori riportano ottimi risultati proprio sul lavoro che il modello dichiara di voler coprire. Un utente racconta che Ox Alpha ha trovato due bug reali in un progetto Python che altri strumenti di audit non avevano visto. Un altro gli ha chiesto di costruire un’app meteo interattiva: il modello all’inizio ha ragionato per diversi minuti e poi ha risposto senza fare il lavoro, ma dopo un secondo prompt ha prodotto un’app che il tester ha giudicato più precisa e con meno bug di una versione fatta con DeepSeek V4 Flash. Gli utenti di OpenCode lo descrivono efficace nel costruire interfacce frontend, fare correzioni di base sul backend, lavorare a partire da screenshot, pianificare attività di programmazione più grandi e consumare meno token di altri modelli gratuiti.
Le lamentele
Le segnalazioni negative contano altrettanto. Gli utenti dicono che il modello può ragionare per minuti senza compiere alcuna azione, fatica con progetti backend complessi e si comporta in modo incoerente quando costruisce da zero. In un confronto ha fallito un problema che GPT-5.6 Sol ha risolto senza intoppi. Altri trovano la sua prosa piatta e meccanica e continuano a preferire DeepSeek per la scrittura quotidiana.
La questione economica
Reddit si pone anche la domanda ovvia: servire gratuitamente un modello di classe frontier a questa scala è costoso, quindi cosa ottiene in cambio il provider anonimo? La risposta realistica è: dati, feedback e attenzione. I tester stanno di fatto eseguendo gratis il programma di valutazione del laboratorio. Uno scambio che può comunque valere la pena, purché si sia consapevoli di farne parte.
Chi lo ha costruito? Le teorie principali
Non c’è una risposta confermata, ma l’indagine della community ha prodotto diversi candidati.
| Teoria | Indizi a supporto |
|---|---|
| Variante multimodale di GLM-5.3 (Z.ai) | Il tokenizer corrisponde alla famiglia GLM, messaggi di backend in cinese, codice di errore API 1210 già associato a Z.ai, pattern simili di velocità e caching |
| Xiaomi MiMo V3 | Xiaomi ha già condotto anteprime anonime, e la capacità dichiarata di 100.000 miliardi di token ricorda precedenti promozioni MiMo |
| Tencent Hy4 | Proposta in un thread investigativo dedicato su Reddit |
| MiniMax | Tempistiche circostanziali; un modello non annunciato sarebbe coerente |
| Un router che alterna più modelli | Spiegherebbe il comportamento incoerente tra tipi di attività |
La teoria GLM è attualmente in testa. I tester hanno anche notato che Ox Alpha inciampa negli stessi rari difetti di token che colpiscono i modelli GLM, MiMo e Qwen, il che punta di nuovo verso un laboratorio cinese. C’è però un dettaglio: il GLM-5.3 disponibile pubblicamente è solo testuale, mentre Ox Alpha accetta immagini e video; se la teoria regge, si tratterebbe di una variante multimodale non ancora rilasciata. Finché lo sviluppatore non si farà avanti, tutto questo resta fingerprinting non ufficiale.
Come provare Ox Alpha gratis
Ci sono tre strade, a seconda di quanto vuoi essere tecnico.
Opzione 1: chat su OpenRouter, senza codice
- Apri la pagina del modello Ox Alpha su OpenRouter.
- Seleziona Try this model oppure Playground.
- Accedi con un account OpenRouter gratuito.
- Invia un’attività come testo, immagine o clip video.
È la strada migliore se vuoi solo farti un’idea del modello.
Opzione 2: chiamarlo tramite API
Gli sviluppatori possono usare l’API di OpenRouter compatibile con OpenAI con l’ID modello stealth/ox-alpha. Genera una chiave API nella dashboard di OpenRouter, punta un SDK standard alla base URL di OpenRouter e imposta il campo model di conseguenza. Durante l’anteprima, sia i token di prompt sia quelli di completamento sono fatturati a zero.
Opzione 3: usarlo dentro OpenCode
Il lancio è una promozione congiunta con OpenCode, l’agente di programmazione open source, che offre il modello per circa una settimana con limiti così generosi che il team parla di utilizzo quasi illimitato. Collega il provider OpenCode Zen, apri il catalogo dei modelli con il comando /models e seleziona Ox Alpha.
Qualunque strada tu scelga, un’attività reale ma non sensibile rivela molto più di un prompt in chat: correggi un bug in un piccolo progetto, aggiungi una funzionalità con i relativi test, oppure passa al modello lo screenshot di un’interfaccia da analizzare. Questi compiti mettono alla prova la pianificazione, l’uso degli strumenti e la capacità di portare a termine lavori lunghi.
Leggi le clausole prima di incollare qualcosa di sensibile
Il calcolo frontier gratuito arriva sempre con delle condizioni, e questo lancio ha una sfumatura che vale la pena capire. L’annuncio di OpenCode promuove la zero data retention, ma la scheda su OpenRouter afferma che il provider anonimo conserva prompt e risposte, semplicemente senza usarli per l’addestramento. La policy applicabile può dipendere da come accedi al modello e, finché lo sviluppatore non pubblicherà termini chiari, l’ipotesi prudente è che i tuoi input vengano archiviati da un’azienda che non ti ha detto il suo nome.
Le regole pratiche: non inviare password, informazioni personali, documenti riservati o codice sorgente proprietario. Ricorda inoltre che il periodo gratuito non ha una data di fine pubblicata e potrebbe cambiare da un giorno all’altro, e che non esistono ancora benchmark verificati: ogni affermazione sulle prestazioni si basa su piccoli campioni della community.
Perché i rilasci stealth continuano
I lanci anonimi risolvono problemi reali per i laboratori IA. Generano feedback imparziale, perché i tester non possono proiettare aspettative di marca su un modello senza marca. Mettono sotto stress l’infrastruttura con traffico reale prima del lancio ufficiale. E costruiscono attenzione organica: un modello misterioso che batte concorrenti noti nei test della community si guadagna settimane di copertura gratuita che nessuna campagna pubblicitaria potrebbe comprare. Aspettati che lo schema continui: valutare rapidamente un modello sconosciuto sta diventando una competenza davvero utile.
L’esperienza con l’app e la piattaforma Coursiv
Lanci come questo sono esattamente il motivo per cui imparare i fondamenti dell’IA ripaga. Ormai nuovi modelli compaiono ogni mese, e a trarne vantaggio sono le persone capaci di aprire uno strumento sconosciuto, sondarne i punti di forza in un pomeriggio e integrare quelli validi nel proprio flusso di lavoro. È una competenza che si può imparare. Coursiv la insegna con lezioni quotidiane brevi e strutturate su prompting pratico, confronto e scelta degli strumenti IA e loro applicazione alle attività di lavoro quotidiane, pensate per persone impegnate senza background tecnico. L’app ti guida passo dopo passo, così quando arriverà il prossimo Ox Alpha saprai esattamente come metterlo alla prova. Come per ogni prodotto formativo, verifica sul sito ufficiale i dettagli aggiornati di corsi e prezzi.
Cosa osservare adesso
Se la storia si ripete, il laboratorio dietro Ox Alpha si rivelerà entro giorni o settimane, molto probabilmente in concomitanza con un lancio ufficiale con un nome vero, benchmark pubblicati e prezzi. La prima cosa che tutti controlleranno è se gli investigatori del fingerprinting hanno indovinato su GLM. La seconda domanda riguarda i costi: i precedenti modelli stealth hanno trasformato le loro anteprime gratuite in prezzi pubblici aggressivamente bassi, che è parte del modo in cui i laboratori cinesi hanno messo sotto pressione i concorrenti occidentali per tutto l’anno. Un programmatore di livello frontier a una frazione dei prezzi frontier avrebbe effetti ben oltre questo singolo modello.
In sintesi: Ox Alpha è un’occasione rara per testare un possibile modello frontier a costo zero, con la clausola in piccolo che fai parte dell’esperimento. Provalo su un progetto non critico questa settimana; ma non costruire un flusso di lavoro di produzione su un’anteprima anonima.