一只代号Ox Alpha的匿名大模型，这两天把开发者社区搅得沸沸扬扬。国内网友根据”Ox”的中文含义，给它起了个接地气的名字：”牛来”。这款来路不明的模型不仅代码实测表现超GPT-5，还把”猜身份”变成了一场全民游戏——全网都在赌它到底是谁家的。
上线即爆：百万token、限时免费、能看视频
8月20日，”牛来”正式上线AI聚合平台OpenRouter，随后迅速蹿红。官方信息显示，它拥有约104.8万token的上下文窗口，最大输出长度达13.1万token，支持文本、图像和视频输入，主打编码、长时间智能体任务和生产级复杂推理，目前处于限时免费开放状态。
开源终端编程智能体OpenCode当天就同步宣布接入，为其提供每天100万亿token的调用容量。一个”来历不明”的模型能有这种待遇，本身就说明圈内对它实力的认可。
代码实测：80%通过率，超GPT-5
真正让它火起来的，是硬碰硬的代码测试。独立研究员Ben Davis从软件工程基准DeepSWE中抽取10项任务进行实测，”牛来”完成了其中8项，通过率达到80%。同一测试集里，Claude Fable 5的通过率是65%，GLM-5.3 Max和Grok 4.6 xhigh都是62%，GPT-5.6 Sol Max只有52%。
DeepSWE的测试场景很苛刻：模型需要直接阅读真实代码仓库，定位问题、修改代码、运行测试，再根据报错继续修复，比常规单轮编程题更接近编码Agent的实际工作。虽然10项任务的样本偏小，后续开发者在另一个子集上测出约63%的通过率，但两次结果都说明，”牛来”的长程编码潜力已经逼近甚至部分超越头部模型。
全网猜身份：线索全指向智谱GLM-5.x
上线至今，”牛来”的真实归属才是社区最关注的话题。这次开发者不靠回答风格猜，而是用分词器指纹、视觉编码器消耗等技术特征做交叉验证。结果高度一致地指向一个方向：智谱尚未发布的GLM-5.x系列。
证据链相当硬：测试25组不同提示词后，”牛来”与GLM-5.3的token数量始终保持固定75的差值，说明两者共享同一份词汇表和切分策略；输入四段不同帧率、时长的视频，它的视觉token消耗与智谱GLM-5V-Turbo完全一致；它完全拒绝处理音频输入，与GLM-5V的路由方式一致。
细节上也很像：每千字符约出现1.3个emoji，处理单个DeepSWE任务平均执行117个智能体步骤，都与GLM系列的典型表现几乎吻合。Ben Davis直接放话：99%确定这就是GLM-5.x。
更关键的是，智谱有匿名测试的先例——2026年2月以Pony Alpha代号上线的匿名模型，后来被正式确认为GLM-5。小米MiMo的官方员工也已出面辟谣，谷歌Gemini的分词器与输出风格则完全不匹配。
匿名测试为什么流行：挂马甲是门生意
“牛来”事件背后，是大模型圈越来越流行的”挂马甲”玩法。在Arena里隐藏厂商和型号，可以尽量削弱品牌带来的先入为主，用户只能根据实际输出选择，积累的对战结果更接近真实体验。OpenRouter上，开发者会把匿名模型接进编码Agent，丢进真实仓库连续调用工具几小时，上下文稳定性和可靠性在高强度使用中迅速暴露。
对厂商来说，这等于一次免费的公测加营销。身份悬念能拉长讨论周期，让热度持续发酵，还能在正式发布前积累口碑。参照此前几款中国团队匿名模型的上线节奏，”牛来”的免费测试窗口大概率在8月27日结束，真实身份也临近揭晓。
一个Flash级别的匿名模型代码能力已经逼近头部，那资源投入更高的完整版又会把上限推到哪？答案最快下周就有分晓。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
