Ox Alpha: Mengevaluasi Model Coding Stealth dengan Konteks 1M

Ox Alpha adalah model AI yang berfokus pada penalaran, dirilis pada 20 Agustus 2026, dirancang secara spesifik untuk rekayasa perangkat lunak jangka panjang dan alur kerja agentic [S1, S4]. Tersedia melalui OpenRouter dengan identifier stealth/ox-alpha, model ini saat ini ditawarkan tanpa biaya untuk token input maupun output selama periode pratinjau [S1, S4, S7].

Berbeda dari model-model mapan dari lab ternama, Ox Alpha adalah rilis “stealth”, yang berarti detail pengembang dan pelatihannya tetap tidak diungkap secara resmi [S6, S8]. Meskipun dapat diakses melalui API yang kompatibel dengan OpenAI, model ini dioperasikan oleh penyedia pihak ketiga anonim, bukan oleh OpenRouter sendiri [S6, S8].

Kemampuan Teknis dan Dukungan Agentic

Fitur utama Ox Alpha adalah jendela konteksnya yang mencapai 1.048.576 token [S1, S2, S4]. Kapasitas ini memungkinkan para developer memuat seluruh basis kode besar, dokumentasi, dan riwayat tugas ke dalam satu prompt, sehingga mengurangi kebutuhan model untuk menyimpulkan konteks dari potongan-potongan yang terisolasi [S1, S3]. Model ini mendukung output maksimum sebesar 131.072 token, menyediakan ruang untuk rencana terstruktur dan solusi teknis yang rinci [S1, S4].

Selain teks, Ox Alpha bersifat multimodal, menerima gambar dan video sebagai input [S1, S4, S6]. Hal ini memungkinkan alur kerja debugging praktis di mana sebuah agen dapat menganalisis tangkapan layar peramban, mockup UI, atau rekaman layar sebuah bug bersamaan dengan kode sumber yang relevan [6].

Untuk pekerjaan agentic, model ini mendukung tool calling, tool choice, dan output JSON terstruktur [S1, S4, S8]. Fitur-fitur ini memungkinkan model berfungsi dalam loop otonom yang bergantian antara perencanaan, pengumpulan bukti melalui tool, dan penentuan tindakan berikutnya [1].

Risiko Privasi dan Retensi Data

Karena Ox Alpha adalah model stealth, ketentuan privasinya sangat bervariasi tergantung pada jalur akses. OpenRouter menyatakan bahwa meskipun prompt dan completion disimpan oleh penyedia, data tersebut tidak digunakan untuk pelatihan [S2, S4]. Namun, sumber lain mencatat bahwa perjanjian umum model stealth dapat memberikan hak yang lebih luas, dan beberapa daftar memuat kontradiksi terkait hak pelatihan [S2, S3].

Sebaliknya, jalur OpenCode Zen mencantumkan model ini sebagai x-preview-f-free dan mengklaim tidak ada retensi serta tidak ada pelatihan [2].

Mengingat inkonsistensi ini, para developer sebaiknya memperlakukan Ox Alpha sebagai alat evaluasi sementara, bukan sebagai tujuan default untuk kode sumber yang bersifat privat atau teregulasi [2]. Disarankan untuk menguji model pada repositori yang telah disamarkan atau tugas-tugas tetap sebelum peluncuran ke seluruh tim [2].

Identitas Forensik dan Performa

Meskipun penyedia tetap anonim, forensik lapisan-serving independen yang dipublikasikan pada 22 Agustus 2026, mengarah pada infrastruktur Z.ai dari Zhipu AI [S3, S5]. Para peneliti mengidentifikasi sebuah Java stack trace yang menyebutkan kelas API internal Zhipu serta dialek kode-error spesifik (kode 1214) yang cocok dengan model GLM yang di-hosting di Z.ai, tetapi berbeda dari host lain dari weight yang sama [S3, S5].

Bukti tambahan mencakup kecocokan 30 dari 30 pada probe tokenizer terhadap GLM-5.3 dan signature video-encoder yang selaras dengan GLM-5V-Turbo [S3, S5].

Benchmark komunitas初步 menunjukkan performa tinggi dalam tugas coding. Dalam uji coba 10 tugas pada DeepSWE, Ox Alpha dilaporkan mencapai tingkat kelulusan 80%, melampaui beberapa model frontier dalam kumpulan terbatas spesifik tersebut [3]. Benchmark lain menunjukkan akurasi kuat dalam matematika (97%) dan coding (95%), meskipun instruction following (77%) menjadi area yang relatif perlu ditingkatkan [7].

Panduan Integrasi Praktis

Ox Alpha dapat diintegrasikan ke dalam alur kerja yang sudah ada menggunakan base URL yang kompatibel dengan OpenAI (https://openrouter.ai/api/v1) dan slug model stealth/ox-alpha [S4, S8].

Untuk menjaga keamanan selama evaluasi, ikuti langkah-langkah berikut:

• Simpan API key di variabel lingkungan sisi server, bukan di kode peramban [S1, S8].
• Gunakan parameter reasoning_effort (low, high, atau max) untuk menyeimbangkan latensi dan kualitas [8].
• Validasi semua kode yang dihasilkan dengan proses build standar dan tinjauan keamanan, karena kapasitas konteks tidak menggantikan tanggung jawab atas perubahan akhir [1].
• Rancang agen dengan checkpoint eksplisit dan minta konfirmasi manusia untuk operasi yang tidak dapat dibatalkan [1].

Developer saat ini dapat menguji kemampuan ini melalui API OpenRouter atau harness agen terintegrasi seperti Claude Code dan Hermes Agent [4].

Sumber

4. Ox Alpha on OpenRouter: Free 1M Stealth Model (Aug 2026) - explainx.ai
5. Ox Alpha AI Model: Anonymous 1M-Context Coding Agent
6. Ox Alpha - Free AI Model for Coding & Agentic Work
7. Ox Alpha Free AI Model: Setup, Privacy and Cost | Wavect
8. Ox Alpha - AI Model Details & Benchmarks
9. Coding Model Ox Alpha Retains Every Prompt: You Cannot Name Company …
10. Ox Alpha: What We Know About the Mystery AI Model
11. Ox Alpha AI — 1M Context, API & OpenRouter Guide