Ox Alpha est un modèle IA axé sur le raisonnement, publié le 20 août 2026, conçu spécifiquement pour l’ingénierie logicielle à long terme et les workflows agentiques [S1, S4]. Disponible via OpenRouter sous l’identifiant stealth/ox-alpha, le modèle est actuellement offert gratuitement pour les tokens d’entrée et de sortie durant sa période de prévisualisation [S1, S4, S7].
Contrairement aux modèles établis provenant de laboratoires connus, Ox Alpha est une publication « stealth », ce qui signifie que les détails du développeur et de l’entraînement restent officiellement non divulgués [S6, S8]. Bien qu’il soit accessible via une API compatible OpenAI, il est exploité par un fournisseur tiers anonyme plutôt que par OpenRouter lui-même [S6, S8].
Capacités techniques et support agentic
La caractéristique définissante d’Ox Alpha est sa fenêtre de contexte de 1 048 576 tokens [S1, S2, S4]. Cette capacité permet aux développeurs de charger dans un seul prompt des bases de code entières, de la documentation et des historiques de tâches, réduisant ainsi le besoin pour le modèle d’inférer le contexte à partir de fragments isolés [S1, S3]. Le modèle prend en charge une sortie maximale de 131 072 tokens, offrant de la place pour des plans structurés et des solutions techniques détaillées [S1, S4].
Au-delà du texte, Ox Alpha est multimodal, acceptant des images et des vidéos en entrée [S1, S4, S6]. Cela permet des workflows de débogage pratiques où un agent peut analyser une capture d’écran de navigateur, une maquette d’interface ou un enregistrement d’écran d’un bogue, en parallèle du code source pertinent [6].
Pour le travail agentique, le modèle prend en charge l’appel d’outils, le choix d’outils et la sortie JSON structurée [S1, S4, S8]. Ces fonctionnalités lui permettent de fonctionner dans des boucles autonomes qui alternent entre la planification, la collecte de preuves via des outils et la décision de la prochaine action [1].
Risques de confidentialité et rétention des données
Comme Ox Alpha est un modèle stealth, les conditions de confidentialité varient considérablement selon le trajet d’accès. OpenRouter indique que, bien que les prompts et les complétions soient conservés par le fournisseur, ils ne sont pas utilisés pour l’entraînement [S2, S4]. Toutefois, d’autres sources précisent que l’accord général sur les modèles stealth pourrait accorder des droits plus larges, et certaines annonces contiennent un langage contradictoire concernant les droits d’entraînement [S2, S3].
En revanche, la route OpenCode Zen répertorie le modèle sous le nom x-preview-f-free et affirme une rétention nulle et aucun entraînement [2].
Étant donné ces incohérences, les développeurs devraient considérer Ox Alpha comme un outil d’évaluation temporaire plutôt que comme une destination par défaut pour du code source privé ou réglementé [2]. Il est recommandé de tester le modèle sur des dépôts expurgés ou des tâches fixes avant tout déploiement à l’échelle de l’équipe [2].
Identité forensic et performance
Bien que le fournisseur reste anonyme, les analyses forensic indépendantes de la couche de service publiées le 22 août 2026 indiquent une orientation vers l’infrastructure Z.ai de Zhipu AI [S3, S5]. Les chercheurs ont identifié une trace de pile Java nommant des classes internes de l’API Zhipu et un dialecte de code d’erreur spécifique (code 1214) qui correspond aux modèles GLM hébergés sur Z.ai, mais diffère des autres hôtes des mêmes poids [S3, S5].
Des preuves supplémentaires incluent une correspondance de 30 sur 30 aux sondes de tokeniseur pour GLM-5.3 et des signatures d’encodeur vidéo qui s’alignent avec GLM-5V-Turbo [S3, S5].
Les benchmarks communautaires préliminaires suggèrent une haute performance dans les tâches de codage. Lors d’un essai de 10 tâches sur DeepSWE, Ox Alpha aurait atteint un taux de réussite de 80 %, surpassant certains modèles de pointe dans cet ensemble limité spécifique [3]. D’autres benchmarks indiquent une grande précision en mathématiques (97 %) et en codage (95 %), bien que le suivi d’instructions (77 %) représente un domaine relatif à améliorer [7].
Guide d’intégration pratique
Ox Alpha peut être intégré dans les workflows existants en utilisant une URL de base compatible OpenAI (https://openrouter.ai/api/v1) et le slug de modèle stealth/ox-alpha [S4, S8].
- Stockez les clés API dans des variables d’environnement côté serveur plutôt que dans le code du navigateur [S1, S8].
- Utilisez le paramètre
reasoning_effort(faible, élevé ou max) pour équilibrer latence et qualité [8]. - Validez tout le code généré avec les processus standard de construction et de révision de sécurité, car la capacité de contexte ne remplace pas la propriété de la modification finale [1].
- Concevez des agents avec des points de contrôle explicites et exigez une confirmation humaine pour les opérations irréversibles [1].
Les développeurs peuvent actuellement tester ces capacités via l’API OpenRouter ou des harnais d’agents intégrés tels que Claude Code et Hermes Agent [4].
Sources
- Ox Alpha sur OpenRouter : Modèle stealth gratuit 1M (août 2026) - explainx.ai
- Ox Alpha - Modèle IA : Agent de codage anonyme à contexte de 1M
- Ox Alpha - Modèle IA gratuit pour le codage et le travail agentique
- Ox Alpha - Modèle IA gratuit : Installation, confidentialité et coût | Wavect
- Ox Alpha - Détails et benchmarks du modèle IA
- Modèle de codage Ox Alpha conserve chaque prompt : Vous ne pouvez pas nommer l’entreprise …
- Ox Alpha : Ce que nous savons sur le modèle IA mystérieux
- Ox Alpha IA — Guide 1M de contexte, API & OpenRouter
