Em 20 de agosto de 2026, um novo modelo de IA surgiu no OpenRouter e no OpenCode, e ninguém sabe quem o construiu. Ele atende pelo codinome Ox Alpha, aceita texto, imagens e vídeo, lê até um milhão de tokens de uma vez e, por cerca de uma semana, não custa nada. Um dia após o lançamento, agentes de programação já haviam passado bilhões de tokens pelo modelo, e o Reddit virou um fórum de detetives: usuários dissecam o tokenizer, as mensagens de erro e até o idioma dos logs de backend para descobrir qual laboratório está por trás do lançamento.
Aqui está tudo o que sabemos até agora: as especificações, os primeiros números de testes e o que eles realmente provam, o que os usuários do Reddit relatam, as principais teorias sobre a identidade e exatamente como testar o modelo antes que a janela gratuita se feche.
O que é o Ox Alpha?
Ox Alpha é o que a indústria chama de modelo stealth: um sistema de IA de classe frontier lançado anonimamente por uma plataforma de API para que o laboratório por trás dele colete feedback do mundo real antes de um lançamento público. A página oficial no OpenRouter o descreve como “um modelo de raciocínio projetado para programação, trabalho agêntico prolongado e cargas de produção”.
Em termos simples, ele foi feito para trabalhos longos: programação em várias etapas, execuções autônomas de agentes e raciocínio sobre enormes volumes de material em uma única sessão.
Sem nome, sem empresa, sem comunicado de imprensa
O modelo está listado sob o nome de provedor “stealth”, e o OpenRouter afirma claramente que apenas roteia as solicitações. O sistema foi desenvolvido e é operado por um terceiro que optou por permanecer anônimo durante a prévia. Até 21 de agosto, nenhuma empresa o reivindicou.
O quinto modelo misterioso em seis meses
O roteiro já é conhecido. O Ox Alpha é o quinto lançamento anônimo em cerca de seis meses, e os quatro anteriores seguiram o mesmo script: uma estreia silenciosa, uma onda de tráfego gratuito e, depois, uma empresa se apresentando. Os quatro acabaram vindo de laboratórios chineses, incluindo o GLM-5 da Zhipu AI, o MiMo-V2-Pro da Xiaomi, o Ling-2.6-flash do Ant Group e o LongCat-2.0 da Meituan. Esse histórico molda a maior parte da especulação atual.
As especificações do Ox Alpha em resumo
| Especificação | Detalhe |
|---|---|
| Janela de contexto | 1.048.576 tokens |
| Saída máxima | 131.072 tokens |
| Entradas | Texto, imagens, vídeo |
| Saída | Somente texto |
| Suporte a ferramentas | Function calling, saída JSON estruturada |
| Preço | Tokens de entrada e saída gratuitos durante a prévia |
| Velocidade | 28 tokens por segundo (mediana) |
| Latência | Cerca de 4 segundos (mediana) |
| Disponibilidade | 99,99 por cento nos primeiros dias |
| Capacidade declarada | 100 trilhões de tokens por dia durante a semana gratuita |
Dois detalhes se destacam. A entrada de vídeo é inédita para um lançamento stealth, e só um punhado de modelos frontier conhecidos lida bem com ela. E a janela de contexto de um milhão de tokens poderia, em teoria, conter uma base de código inteira de porte médio ou meses de documentos em uma única solicitação. Uma ressalva: uma janela de contexto grande não significa automaticamente que o modelo usa cada token de forma eficaz, e ninguém verificou de forma independente como o Ox Alpha se comporta com entradas extremamente longas.
O Ox Alpha realmente supera o GPT-5.6 Sol e o Claude Fable?
A alegação que mais se espalha nas redes sociais é um resultado de benchmark: o Ox Alpha teria passado de 80 por cento em tarefas de engenharia de software do DeepSWE, contra cerca de 65 por cento do Claude Fable e 52 por cento do GPT-5.6 Sol.
Esses números precisam de contexto. O resultado veio de um teste feito por um usuário com apenas 10 tarefas. O benchmark oficial DeepSWE contém 113 tarefas de engenharia de longo horizonte escritas do zero em 91 repositórios open source ativos em cinco linguagens de programação, projetadas especificamente para que as soluções de referência nunca vazem para os dados de treinamento. Uma amostra escolhida a dedo de 10 tarefas pode favorecer um modelo apenas pela seleção das tarefas.
A conclusão correta é mais modesta: o Ox Alpha impressionou em um pequeno teste preliminar, e é só isso. No momento em que escrevemos, o modelo não tem resultados publicados em nenhum ranking independente relevante.
O que o uso real sugere
A adoção conta a própria história. Agentes de programação como o Claude Code e os harnesses do Hermes Agent passaram, juntos, 18 bilhões de tokens pelo Ox Alpha quase imediatamente — ou seja, desenvolvedores de verdade o tratam como ferramenta de trabalho diária, não como curiosidade. Para uma implantação anônima recém-nascida, as métricas de plataforma acima são números sólidos de produção.
O que os usuários do Reddit estão dizendo
As primeiras reações são genuinamente mistas, o que as torna mais úteis do que o hype.
Os elogios
Alguns desenvolvedores relatam ótimos resultados exatamente no trabalho que o modelo diz mirar. Um usuário contou que o Ox Alpha encontrou dois bugs reais em um projeto Python que outras ferramentas de auditoria haviam deixado passar. Outro pediu que ele construísse um aplicativo interativo de clima: o modelo primeiro raciocinou por vários minutos e respondeu sem fazer o trabalho, mas, após um segundo prompt, produziu um app que o testador considerou mais preciso e com menos bugs do que uma versão do DeepSeek V4 Flash. Usuários do OpenCode o descrevem como eficaz para construir interfaces frontend, fazer correções básicas de backend, trabalhar a partir de capturas de tela, planejar tarefas maiores de programação e gastar menos tokens do que alguns outros modelos gratuitos.
As reclamações
Os relatos negativos importam igualmente. Usuários dizem que o modelo pode raciocinar por minutos sem executar nenhuma ação, sofre com projetos de backend complexos e se comporta de forma inconsistente ao construir do zero. Em uma comparação, ele falhou em um problema que o GPT-5.6 Sol resolveu sem dificuldade. Outros acham sua prosa monótona e mecânica e continuam preferindo o DeepSeek para a escrita do dia a dia.
A questão econômica
O Reddit também faz a pergunta óbvia: servir gratuitamente um modelo de classe frontier nessa escala é caro — o que o provedor anônimo ganha em troca? A resposta realista: dados, feedback e atenção. Os testadores estão, na prática, executando de graça o programa de avaliação do laboratório. Essa troca ainda pode valer a pena, desde que você entenda que faz parte dela.
Quem o construiu? As principais teorias
Não há resposta confirmada, mas a investigação da comunidade produziu vários candidatos.
| Teoria | Evidências |
|---|---|
| Variante multimodal do GLM-5.3 (Z.ai) | Tokenizer compatível com a família GLM, mensagens de backend em chinês, código de erro de API 1210 já associado à Z.ai, padrões semelhantes de velocidade e cache |
| Xiaomi MiMo V3 | A Xiaomi já fez prévias anônimas, e a capacidade declarada de 100 trilhões de tokens lembra promoções anteriores do MiMo |
| Tencent Hy4 | Proposta em um tópico de investigação dedicado no Reddit |
| MiniMax | Coincidências de cronologia; um modelo não anunciado se encaixaria |
| Um roteador alternando entre vários modelos | Explicaria o comportamento inconsistente entre tipos de tarefa |
A teoria do GLM lidera por enquanto. Os testadores também notaram que o Ox Alpha tropeça nas mesmas falhas raras de tokens que afetam os modelos GLM, MiMo e Qwen, o que aponta novamente para um laboratório chinês. Há um detalhe: o GLM-5.3 disponível publicamente é somente texto, enquanto o Ox Alpha aceita imagens e vídeo; se a teoria se confirmar, seria uma variante multimodal ainda não lançada. Até o desenvolvedor se apresentar, tudo isso continua sendo fingerprinting não oficial.
Como testar o Ox Alpha de graça
Há três caminhos, dependendo de quão técnico você quer ser.
Opção 1: conversar no OpenRouter, sem código
- Abra a página do modelo Ox Alpha no OpenRouter.
- Selecione Try this model ou Playground.
- Entre com uma conta gratuita do OpenRouter.
- Envie uma tarefa como texto, imagem ou clipe de vídeo.
É o melhor caminho se você só quer sentir o modelo.
Opção 2: chamá-lo pela API
Desenvolvedores podem usar a API do OpenRouter compatível com OpenAI com o ID de modelo stealth/ox-alpha. Gere uma chave de API no painel do OpenRouter, aponte qualquer SDK padrão para a URL base do OpenRouter e configure o campo model de acordo. Durante a prévia, tanto os tokens de prompt quanto os de resposta são cobrados a zero.
Opção 3: usá-lo dentro do OpenCode
O lançamento é uma promoção conjunta com o OpenCode, o agente de programação open source, que oferece o modelo por cerca de uma semana com limites tão generosos que a equipe fala em uso quase ilimitado. Conecte o provedor OpenCode Zen, abra o catálogo de modelos com o comando /models e selecione Ox Alpha.
Seja qual for o caminho, uma tarefa real mas não sensível revela muito mais do que um prompt de chat: corrija um bug em um projeto pequeno, adicione uma funcionalidade com seus testes ou entregue ao modelo a captura de tela de uma interface para analisar. Essas tarefas testam planejamento, uso de ferramentas e a capacidade de concluir trabalhos longos.
Leia as letras miúdas antes de colar algo sensível
Computação frontier gratuita sempre vem com condições, e este lançamento tem uma nuance que vale entender. O anúncio do OpenCode promove retenção zero de dados, mas a página do OpenRouter afirma que o provedor anônimo retém, sim, prompts e respostas — apenas sem usá-los para treinamento. A política aplicável pode depender de como você acessa o modelo e, até o desenvolvedor publicar termos claros, a suposição segura é que suas entradas ficam armazenadas por uma empresa que não disse o próprio nome.
As regras práticas: não envie senhas, informações pessoais, documentos confidenciais nem código-fonte proprietário. Lembre também que o período gratuito não tem data de término publicada e pode mudar da noite para o dia, e que ainda não existem benchmarks auditados — toda alegação de desempenho se apoia em pequenas amostras da comunidade.
Por que os lançamentos stealth continuam acontecendo
Lançamentos anônimos resolvem problemas reais para os laboratórios de IA. Eles geram feedback imparcial, já que os testadores não conseguem projetar expectativas de marca em um modelo sem marca. Estressam a infraestrutura com tráfego real antes do lançamento oficial. E constroem atenção orgânica: um modelo misterioso que vence concorrentes conhecidos em testes da comunidade ganha semanas de cobertura gratuita que nenhuma campanha publicitária conseguiria comprar. Espere que o padrão continue — o que significa que avaliar rapidamente um modelo desconhecido está se tornando uma habilidade genuinamente útil.
A experiência do app e da plataforma Coursiv
Lançamentos como este são exatamente o motivo pelo qual aprender os fundamentos de IA compensa. Novos modelos agora aparecem todo mês, e quem se beneficia são as pessoas capazes de abrir uma ferramenta desconhecida, sondar seus pontos fortes em uma tarde e incorporar as boas ao próprio fluxo de trabalho. Essa habilidade pode ser aprendida. O Coursiv a ensina com lições diárias curtas e estruturadas sobre prompting prático, comparação e escolha de ferramentas de IA e sua aplicação às tarefas cotidianas de trabalho — tudo pensado para pessoas ocupadas sem formação técnica. O app guia você passo a passo, para que, quando o próximo Ox Alpha surgir, você saiba exatamente como colocá-lo à prova. Como em qualquer produto educacional, confira no site oficial os detalhes e preços atualizados dos cursos.
O que observar a seguir
Se a história se repetir, o laboratório por trás do Ox Alpha se identificará em dias ou semanas, muito provavelmente junto com um lançamento oficial com nome real, benchmarks publicados e preços. A primeira coisa que todos vão conferir é se os detetives do fingerprinting acertaram sobre o GLM. A segunda pergunta é o custo: os modelos stealth anteriores converteram suas prévias gratuitas em preços públicos agressivamente baixos, que é parte de como os laboratórios chineses pressionaram os concorrentes ocidentais o ano inteiro. Um programador de nível frontier por uma fração dos preços frontier repercutiria muito além deste único modelo.
Resumindo: o Ox Alpha é uma chance rara de testar um possível modelo frontier a custo zero, com a letra miúda de que você faz parte do experimento. Teste-o em um projeto não crítico esta semana; só não construa um fluxo de produção sobre uma prévia anônima.