神秘「牛来」大模型横空出世！80%代码通过率，真实身份竟是它？

最近，大模型圈突然流行起「挂马甲」测试！

一款名叫 Ox Alpha 的匿名模型突然出现在 OpenRouter 上，国内网友戏称它为「牛来」大模型。上线没多久，它就被开发者扔进真实代码仓库一顿猛测，结果直接惊呆了所有人——能力竟逼近当前顶级代码模型？！

更离谱的是，另一款匿名模型 korrine 也在悄悄测试中，网友从 Kimi 猜到 Qwen，猜什么的都有。8月的大模型圈，硬生生成了一场大型猜谜游戏！

💻 「牛来」大模型，到底牛在哪？

Ox Alpha 首次亮相，就靠惊人代码能力出圈。

📊 80%通过率，直接碾压同行

开发者 Ben Davis 从 DeepSWE 中抽取了10项真实软件工程任务进行测试，结果 Ox Alpha 一口气完成了8项，通过率直接拉满到80%！

看看对照组数据有多悬殊：

• Fable 5 Max：65%
• GLM-5.3 Max 和 Grok 4.6 xhigh：62%
• GPT-5.6 Sol Max：52%

DeepSWE 可不是普通的编程题，它需要模型通读整个代码仓库，自己定位问题、改代码、跑测试，还得根据报错循环修复。这比单轮写代码难太多了，堪称编码 Agent 界的「铁人三项」！

虽然10项任务的样本量不算大，但另一组开发者测试也给出了约63%的结果。综合来看，这款匿名模型的「长程编码」实力确实有点东西！

🕵️ 「牛来」到底是谁家的孩子？

全网福尔摩斯上线，证据链逐渐清晰。

🔍 三大铁证，全部指向智谱

目前流传最广的说法是：Ox Alpha 就是智谱尚未发布的 GLM-5.3 Flash！有技术大佬专门写了篇分析博客，摆出三条硬核证据：

🌟 证据一：视频编码器完美吻合
在四段不同帧率、时长、分辨率的视频测试中，Ox Alpha 消耗的视觉 token 与 GLM-5V-Turbo 完全一致，而 MiMo、Qwen 等模型的结果差异明显。

🌟 证据二：文本 tokenizer 高度匹配
测试了25组提示词，Ox Alpha 和 GLM-5.3 的 token 数量始终保持着固定的75 token 差值，这种规律性很难是巧合。

🌟 证据三：行为特征和操作先例都对得上
Ox Alpha 拒绝处理音频、回答风格、Agent 执行步数都跟 GLM 家族高度相似。更何况，智谱之前就用过 Pony Alpha 匿名测试 GLM-5，完全有「挂马甲」的前科！

开发者 Ben Davis 甚至直接放话：99%确定这就是 GLM-5.x！

不过，截至目前 OpenRouter 和智谱都还没公开回应，身份仍未实锤。

🤔 korrine：疑云更浓的第二张马甲

还没等大家扒完「牛来」，又一个匿名模型悄悄上线了。

💬 Kimi？Qwen？MiMo？全被猜了个遍

Code Arena 上出现的 korrine，名字和 Kimi K3 发布前的代号 kivine 结构相似，不少人第一时间锁定 Kimi。

但爆料者随后又补充：Moonshot 新模型可能对应另一个代号 adamant-ananke，korrine 也可能来自 Qwen 等其他中国团队。评论区更是脑洞大开，还有人怀疑是 MiMo V3。

好家伙，这波「猜谜游戏」难度直接升级！

🧐 大模型厂商为什么都爱「挂马甲」？

匿名测试正在成为发布前的隐藏大招。

🎯 真实体验是唯一的通行证

在 Arena 上藏起厂商和型号，用户看不到品牌光环，只能凭实际输出投票。这样收集到的对战数据，最能反映模型的真实水平！

⚙️ 高强度压力测试的试验场

把匿名模型接入编码 Agent、扔进真实仓库跑数小时任务，上下文稳不稳、工具调用可不可靠、长程任务会不会跑偏，一试便知。这对厂商来说，就是一次免费的公测加压力测试！

🔥 「猜谜」本身就是流量密码

不可否认，「猜是谁家的」现在已经变成了一种高级营销手段。身份越神秘，讨论热度越高，发布周期拉得够长，关注度自然水涨船高。

如果 Ox Alpha 真是一款 Flash 模型，代码能力就已经逼近头部水平，那资源投入更多、能力更完整的正式版，天花板又会在哪里呢？

这个问题，值得所有关注大模型的人好好期待一下！

各位老铁，你猜「牛来」大模型到底是谁家的？评论区等你来破案！

如果你觉得这篇文章有料，记得点个赞 + 转发给你的技术朋友，咱们一起追踪大模型背后的马甲真相！