Ox Alpha é um modelo de IA com foco em raciocínio, lançado em 20 de agosto de 2026, projetado especificamente para engenharia de software de longo prazo e fluxos de trabalho agênticos [S1, S4]. Disponível através da OpenRouter sob o identificador stealth/ox-alpha, o modelo é atualmente oferecido sem custo tanto para tokens de entrada quanto de saída durante seu período de preview [S1, S4, S7].
Diferentemente de modelos estabelecidos de laboratórios conhecidos, Ox Alpha é um lançamento “stealth”, o que significa que o desenvolvedor e os detalhes de treinamento permanecem oficialmente não divulgados [S6, S8]. Embora seja acessível via uma API compatível com OpenAI, ele é operado por um provedor terceirizado anônimo, e não pela própria OpenRouter [S6, S8].
Capacidades Técnicas e Suporte Agêntico
O recurso definidor do Ox Alpha é sua janela de contexto de 1.048.576 tokens [S1, S2, S4]. Essa capacidade permite que desenvolvedores carreguem bases de código inteiras, documentação e históricos de tarefas em um único prompt, reduzindo a necessidade de o modelo inferir contexto a partir de trechos isolados [S1, S3]. O modelo suporta uma saída máxima de 131.072 tokens, proporcionando espaço para planos estruturados e soluções técnicas detalhadas [S1, S4].
Além de texto, o Ox Alpha é multimodal, aceitando imagens e vídeo como entrada [S1, S4, S6]. Isso permite fluxos de trabalho práticos de depuração onde um agente pode analisar uma captura de tela do navegador, um mockup de UI ou uma gravação de tela de um bug junto com o código-fonte relevante [6].
Para trabalho agêntico, o modelo suporta tool calling, tool choice e saída JSON estruturada [S1, S4, S8]. Esses recursos permitem que ele funcione dentro de loops autônomos que alternam entre planejamento, coleta de evidências via ferramentas e decisão da próxima ação [1].
Riscos de Privacidade e Retenção de Dados
Como o Ox Alpha é um modelo stealth, os termos de privacidade variam significativamente dependendo da rota de acesso. A OpenRouter afirma que, embora prompts e completions sejam retidos pelo provedor, eles não são usados para treinamento [S2, S4]. No entanto, outras fontes observam que o acordo geral de modelos stealth pode conceder direitos mais amplos, e algumas listagens contêm linguagem contraditória em relação aos direitos de treinamento [S2, S3].
Em contraste, a rota OpenCode Zen lista o modelo como x-preview-f-free e alega zero retenção e nenhum treinamento [2].
Dadas essas inconsistências, os desenvolvedores devem tratar o Ox Alpha como uma ferramenta temporária de avaliação, e não como um destino padrão para código-fonte privado ou regulado [2]. Recomenda-se testar o modelo em repositórios editados ou tarefas fixas antes de qualquer implementação em escala de equipe [2].
Identidade Forense e Desempenho
Embora o provedor permaneça anônimo, a forense independente da camada de serving publicada em 22 de agosto de 2026 aponta para a infraestrutura Z.ai da Zhipu AI [S3, S5]. Pesquisadores identificaram um stack trace em Java nomeando classes internas da API da Zhipu e um dialeto específico de código de erro (código 1214) que corresponde aos modelos GLM hospedados no Z.ai, mas difere de outros hosts dos mesmos pesos [S3, S5].
Evidências adicionais incluem uma correspondência de 30 em 30 em testes de tokenizer com o GLM-5.3 e assinaturas de codificador de vídeo que se alinham com o GLM-5V-Turbo [S3, S5].
Benchmarks preliminares da comunidade sugerem alto desempenho em tarefas de programação. Em um teste de 10 tarefas no DeepSWE, o Ox Alpha supostamente alcançou uma taxa de aprovação de 80%, superando alguns modelos de fronteira nesse conjunto específico e limitado [3]. Outros benchmarks indicam forte precisão em matemática (97%) e programação (95%), embora o seguimento de instruções (77%) seja uma área relativa de melhoria [7].
Guia Prático de Integração
O Ox Alpha pode ser integrado em fluxos de trabalho existentes usando uma base URL compatível com OpenAI (https://openrouter.ai/api/v1) e o slug de modelo stealth/ox-alpha [S4, S8].
Para manter a segurança durante a avaliação, siga estes passos:
- Armazene as chaves de API em variáveis de ambiente no lado do servidor, e não em código do navegador [S1, S8].
- Use o parâmetro
reasoning_effort(low, high ou max) para equilibrar latência e qualidade [8]. - Valide todo o código gerado com processos padrão de build e revisão de segurança, pois a capacidade de contexto não substitui a responsabilidade sobre a mudança final [1].
- Projete agentes com checkpoints explícitos e exija confirmação humana para operações irreversíveis [1].
Desenvolvedores podem atualmente testar essas capacidades através da API da OpenRouter ou harnesses agênticos integrados como Claude Code e Hermes Agent [4].
Fontes
- 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
