Ox Alpha ist ein auf Schlussfolgern ausgerichtetes KI-Modell, das am 20. August 2026 veröffentlicht wurde und speziell für langfristige Software-Engineering- und Agent-Workflows konzipiert ist [S1, S4]. Es ist über OpenRouter unter der Kennung stealth/ox-alpha verfügbar und wird in seiner Vorschauphase sowohl für Eingabe- als auch für Ausgabe-Tokens kostenlos angeboten [S1, S4, S7].
Im Gegensatz zu etablierten Modellen benannter Labs ist Ox Alpha eine „Stealth“-Veröffentlichung, was bedeutet, dass der Entwickler und die Trainingsdetails offiziell nicht bekannt gegeben werden [S6, S8]. Obwohl es über eine OpenAI-kompatible API zugänglich ist, wird es von einem anonymen Drittanbieter betrieben und nicht von OpenRouter selbst [S6, S8].
Technische Fähigkeiten und Agent-Unterstützung
Das definierende Merkmal von Ox Alpha ist sein Kontextfenster von 1.048.576 Tokens [S1, S2, S4]. Diese Kapazität ermöglicht es Entwicklern, gesamte große Codebasen, Dokumentationen und Aufgabenhistorien in eine einzige Eingabeaufforderung zu laden, wodurch die Notwendigkeit entfällt, dass das Modell den Kontext aus isolierten Snippets ableiten muss [S1, S3]. Das Modell unterstützt eine maximale Ausgabe von 131.072 Tokens und bietet damit Raum für strukturierte Pläne und detaillierte technische Lösungen [S1, S4].
Über Text hinaus ist Ox Alpha multimodal und akzeptiert Bilder und Video als Eingabe [S1, S4, S6]. Dies ermöglicht praktische Debugging-Workflows, bei denen ein Agent einen Browser-Screenshot, ein UI-Mockup oder eine Bildschirmaufnahme eines Bugs zusammen mit dem relevanten Quellcode analysieren kann [6].
Für Agent-Arbeit unterstützt das Modell Tool-Aufrufe, Tool-Auswahl und strukturierte JSON-Ausgabe [S1, S4, S8]. Diese Funktionen ermöglichen es, in autonomen Schleifen zu arbeiten, die zwischen Planen, Sammeln von Beweisen über Tools und Entscheiden der nächsten Aktion wechseln [1].
Datenschutzrisiken und Datenaufbewahrung
Da Ox Alpha ein Stealth-Modell ist, variieren die Datenschutzbedingungen je nach Zugriffsweg erheblich. OpenRouter gibt an, dass Prompts und Vervollständigungen zwar vom Anbieter aufbewahrt werden, aber nicht für das Training verwendet werden [S2, S4]. Andere Quellen weisen jedoch darauf hin, dass die allgemeine Stealth-Modell-Vereinbarung möglicherweise weitergehende Rechte gewährt, und einige Listings enthalten widersprüchliche Formulierungen bezüglich der Trainingsrechte [S2, S3].
Im Gegensatz dazu listet die OpenCode-Zen-Route das Modell als x-preview-f-free und beansprucht null Aufbewahrung und kein Training [2].
Angesichts dieser Inkonsistenzen sollten Entwickler Ox Alpha als temporäres Evaluationswerkzeug behandeln und nicht als Standardziel für privaten oder regulierten Quellcode [2]. Es wird empfohlen, das Modell an redigierten Repositories oder fest definierten Aufgaben zu testen, bevor es teamweit ausgerollt wird [2].
Forensische Identität und Leistung
Während der Anbieter anonym bleibt, deuten unabhängige Serving-Layer-Forensik, die am 22. August 2026 veröffentlicht wurde, auf die Z.ai-Infrastruktur von Zhipu AI hin [S3, S5]. Forscher identifizierten einen Java-Stack-Trace, der interne Zhipu-API-Klassen benennt, sowie einen bestimmten Fehlercode-Dialekt (Code 1214), der mit Z.ai-gehosteten GLM-Modellen übereinstimmt, sich aber von anderen Hosts derselben Weights unterscheidet [S3, S5].
Weitere Belege umfassen eine 30-von-30-Übereinstimmung bei Tokenizer-Sondierungen mit GLM-5.3 sowie Video-Encoder-Signaturen, die mit GLM-5V-Turbo übereinstimmen [S3, S5].
Vorläufige Community-Benchmarks deuten auf eine hohe Leistung bei Coding-Aufgaben hin. In einem 10-Aufgaben-Test auf DeepSWE erreichte Ox Alpha Berichten zufolge eine Erfolgsquote von 80 % und übertraf damit einige Frontier-Modelle in diesem begrenzten spezifischen Set [3]. Andere Benchmarks zeigen eine starke Genauigkeit in Mathematik (97 %) und Coding (95 %), obwohl die Befolgung von Anweisungen (77 %) ein relativer Verbesserungsbereich ist [7].
Praktischer Integrationsleitfaden
Ox Alpha kann mit einer OpenAI-kompatiblen Basis-URL (https://openrouter.ai/api/v1) und dem stealth/ox-alpha-Model-Slug in bestehende Workflows integriert werden [S4, S8].
Um die Sicherheit während der Evaluation zu gewährleisten, befolgen Sie diese Schritte:
- Speichern Sie API-Schlüssel in serverseitigen Umgebungsvariablen statt im Browser-Code [S1, S8].
- Verwenden Sie den Parameter
reasoning_effort(low, high oder max), um Latenz und Qualität auszubalancieren [8]. - Validieren Sie allen generierten Code mit standardmäßigen Build- und Sicherheitsprüfprozessen, da Kontextkapazität nicht die Verantwortung für die endgültige Änderung ersetzt [1].
- Entwerfen Sie Agenten mit expliziten Checkpoints und verlangen Sie menschliche Bestätigung für irreversible Operationen [1].
Entwickler können diese Funktionen derzeit über die OpenRouter-API oder integrierte Agent-Harnesses wie Claude Code und Hermes Agent testen [4].
Quellen
- Ox Alpha on OpenRouter: Free 1M Stealth Model (Aug 2026) - explainx.ai
- Ox Alpha AI Model: Anonymous 1M-Context Coding Agent
- Ox Alpha - Free AI Model for Coding & Agentic Work
- Ox Alpha Free AI Model: Setup, Privacy and Cost | Wavect
- Ox Alpha - AI Model Details & Benchmarks
- Coding Model Ox Alpha Retains Every Prompt: You Cannot Name Company …
- Ox Alpha: What We Know About the Mystery AI Model
- Ox Alpha AI — 1M Context, API & OpenRouter Guide
