Tokenizer、视频编码、API 报错全扒一遍
衡宇 发自 凹非寺
量子位
全世界刷屏的“牛来大模型”，到底是谁家的牛？
这两天，AI 圈已经快把它扒了个底朝天。
目前，讨论度最高的模型厂商候选人，一是智谱，二是谷歌。
猜智谱的人已经开始验 Tokenizer、测视频 token 消耗、找 API 报错，恨不得给模型做一套数字 DNA 鉴定。
猜谷歌的人则主要盯着 DeepMind 员工最近的发言，以及那个迟迟没有正式露面的 Gemini 3.5 Pro。
牛来大模型其实叫 Ox Alpha。
因为 Ox 就是“牛”，又正赶上最近“牛来”梗火遍互联网，国内网友干脆给它起了个亲切的名字，叫“牛来大模型”。
8 月 20 日，它突然以匿名模型的身份出现在 OpenRouter 上。OpenRouter 只说它来自一家暂时保持匿名的第三方提供商。
它拥有 104.86 万 token 上下文，单次最多输出 13.1 万 token，能读取文本、图片和视频，专门面向代码、长周期 Agent 和复杂推理。
而且，OpenCode 随后宣布，Ox Alpha 上线 OpenCode Go，连续数天几乎不限量免费使用，而且不计入用户原本的 Go 额度（公开讨论中甚至出现了每天 100 万亿 token 级别服务容量的说法）。
于是，开发者们拿着代码库、终端和各种刁钻任务，一拥而上去给它出题。
然后纷纷猜测：
牛来啊牛来，你到底是谁家的大模型？
为啥猜是这两家的？
大家之所以猜牛来大模型是智谱或谷歌，是因为它在中文深度理解、超长上下文处理或多模态融合上，展现出了这两家公司的模型特色。
而且，在底层工程细节上，它也暴露出了相似的技术指纹。
为啥猜是智谱的？
智谱是这场猜谜游戏中的领先热门。
网友已经从牛来大模型的分词器、视频编码方式，一路扒到了 API 服务层。
先来看 Tokenizer。
Tokenizer 负责把输入内容切分成模型能够处理的 token。不同模型家族往往采用不同的词表和切分逻辑，所以面对一些刻意设计的文本时，token 数量会留下较为稳定的“指纹”。
有测试者拿不同 Prompt 对 Ox Alpha 和多款模型进行比较，结果发现，Ox Alpha 与 GLM-5.3 的 token 计数呈现出高度一致的关系。
一组流传较广的测试中，同样一段混合了中英文、代码和 emoji 的文本，GLM-5.3 与 GLM-5.2 都计算出 68 个 token，Ox Alpha 则显示为 143 个。
多出来的 75 个 token，恰好能够由模型外部附加的一段隐藏 System Prompt 解释。
另有测试者使用 25 组不同 Prompt 进行验证，也观察到了类似的固定偏移关系。
后面的多模态指纹更有意思。
文本模型可能通过蒸馏、后训练或者 System Prompt，模仿另一款模型的回答习惯；但视频编码和 token 预算，却涉及多模态输入进入模型前的工程设计。
有研究者专门制作了 4 段受控测试视频，然后分别交给 Ox Alpha 和几款多模态模型，观察系统为视频分配多少输入 token。
结果显示，Ox Alpha 和 GLM-5V-Turbo 在多项特征上出现了高度相似的 token 预算。
其中包括：视频帧率变化后，采样策略基本不受影响；视频时长增加时，token 消耗约以每秒 147 个 token 的速度增长；每帧分辨率变化对应的 token 缩放方式也较为相似。
在 4 段控制视频上，两者测出的额外 token 预算甚至能够逐项对上。
测试中拿来比较的 MiMo、Qwen 和 GLM-4.6V 等模型，都呈现出了不同特征。
此外，还有API 服务层留下来的蛛丝马迹。
社区有人故意给 Ox Alpha 传入异常参数，捕捉到了类似 [1210] The temperature parameter is illegal 的错误信息。
类似的错误码、参数限制以及中英文混排的返回方式，也被认为与智谱相关服务存在较高相似度。
甚至还有用户声称，在模型的推理输出中捕捉到过“trained by Z.ai”这样的残留信息。
不过，这一条目前主要来自社区截图和二手转述，证据等级明显低于前面的 Tokenizer 和视频 token 测试，现阶段更适合当作彩蛋来看。
还有一个背景，让“智谱说”显得更加顺理成章。
今年 2 月，OpenRouter 曾经上线另一款匿名模型 Pony Alpha，当时大家也围着它猜了半天。
最后，OpenRouter 揭晓答案：Pony Alpha 就是 GLM-5 的早期测试版本。
所以看到 Ox Alpha 以后，不少人的第一反应就是——
智谱，你又来了？
谷歌突然成“认牛大会”热门人选
原本智谱的线索一路领先，结果这两天，剧情又拐向了谷歌。
的确，Ox Alpha 公开出来的产品画像，确实容易让人联想到 Gemini。
1M 级超长上下文、原生图像和视频输入、面向长期 Agent 任务、强调复杂代码工程和工具调用，这些都是 Google 过去几代 Gemini 持续重点投入的方向。
而谷歌此时恰好还有一款迟迟没有正式公布的 Gemini Pro。
今年 Google I/O 期间，谷歌曾经给出 Gemini 3.5 Pro“Coming next month”的预期，后续发布时间一拖再拖。直到现在，外界依旧在等待新的 Gemini Pro 旗舰型号。关于它的发布节奏、内部测试和产品调整，也出现过多轮爆料。
主要是 Google 和 DeepMind 员工这两天的社交媒体动态，也开始疯狂给网友提供想象空间。
例如，Google DeepMind 研究员 Evan Otero 在相关讨论中发了“Gemini”，随后又说了一句：“如果 Ox Alpha 就是我们一路遇到的朋友呢？”
当然，这两条发言都没有明确表示“Ox Alpha 就是 Gemini”。
但放在全网疯狂猜模型身份的背景下，很快被社区解读为一次 vague posting。
Techmeme 汇总的社交媒体讨论中，还有不少开发者注意到，近期 Gemini 团队成员突然密集谈论 Gemini 以及下一代模型。也有人因此把牛来大模型与 Gemini 3.5 Pro，甚至 Gemini 4 联系起来。
于是，网上迅速分成两派——
一派拿着 Tokenizer 和视频 token 账单喊：“这明明就是 GLM。”
另一派指着 DeepMind 员工的帖子说：“Google，你别演了。”
目前，没有公开证据能够支持这种说法，但这也说明，仅凭模型外部行为判断开发者身份越来越困难。
尤其在蒸馏、模型融合、后训练以及第三方推理服务越来越普遍以后，“模型是谁训练的”和“模型在哪里部署”，甚至都可能是两道题。
一头免费牛，把全世界程序员都吸引过来了
抛开身份谜题，牛来大模型自己也足够有戏。
首先是规格。
1M 上下文意味着，一次 Prompt 理论上能够塞进去整个大型代码仓库、数百页文档，或者一长串 Agent 运行记录。
131K 最大输出也远超普通聊天场景。
再加上图片和视频输入、工具调用以及强制推理模式，Ox Alpha 从一开始瞄准的就是代码 Agent 和长周期任务。
目前，OpenCode 公开数据显示，牛来大模型已经累计出现 250B token 级别的使用量，拥有约 8500 名独立用户和超过 11 万次完成会话。
Stripe CEO Patrick Collison 亲自上手试用后也表示：“It’s very impressive.”
一些小规模代码测试，更把它推上了风口。
一项包含 10 个真实软件工程任务的社区测试中，Ox Alpha 完成了 8 个，得到 80% 的结果。
同一组任务中，Fable 5 为 65%，GLM-5.3 为 62%，GPT-5.6 Sol 为 52%。
需要强调的是，这只是 10 道题的小样本社区测试，不属于官方 Benchmark，也远远不足以证明 Ox Alpha 的综合能力已经超过这些旗舰模型。
而另一边，唱反调的人也不少。
Abacus.AI CEO Bindu Reddy 公开表示，他们测试后发现 Ox Alpha 表现低于预期，一些指标只达到较早一代模型左右的水平。
沃顿商学院教授 Ethan Mollick 也表示，惊艳程度一般般啦～
还有开发者拿自己的私有 Benchmark 测试后认为，它在低推理强度下表现一般；在视觉任务中，也有人发现它明显弱于 Gemini 系列。
所以，眼下对 Ox Alpha 最准确的描述，可能还是——
一款在某些代码和 Agent 任务中表现极为亮眼、规格极其激进，同时评测结果分歧也极大的匿名模型。
免费，再加上神秘身份，给它额外套了一层流量 Buff。
One More Thing
另一种调侃称，也有可能是 Cursor 拿智谱模型自己训了一遍。
然后套了个牛头（？）
至于答案，大概率不会藏太久。
毕竟按照 OpenRouter 最近几次 Alpha 模型的剧情发展，匿名期结束之后，总得有人出来牵牛回家。
哞——
参考链接：
[1]
https://openrouter.ai/api/v1/models
[2]
https://opencode.ai/docs/zen/
[4]
https://www.businessinsider.com/ox-alpha-ai-model-mystery-2026-8
[5]
https://openrouter.ai/models?fmt=cards&input_modalities=video&q=amazon