Die belastbaren Angaben stammen von OpenRouter selbst – aus der Modellseite und aus dem öffentlichen Modell-Endpunkt der API, die wir beide geöffnet haben. Dort steht die Kennung `stealth/ox-alpha`, ein Kontextfenster von 1.048.576 Token bei maximal 131.072 Ausgabe-Token, Text, Bild und Video als Eingabe, Text als Ausgabe, und ein Preis von null für Eingabe wie Ausgabe. Der Anlagezeitpunkt im API-Eintrag entspricht dem 20. August 2026. Die Modellbeschreibung nennt als Zweck „long-horizon software engineering, complex reasoning, and workflows that combine text with visual context“. Einen Betreiber nennt die Seite nicht: Es handle sich um ein Stealth-Modell eines Dritten, OpenRouter leite lediglich weiter.
Der Widerspruch, der uns an dieser Meldung am meisten interessiert, steht zwischen zwei Anbieterseiten – nicht zwischen Anbieter und Gerücht. OpenRouters Modellseite formuliert ausdrücklich, Eingaben und Antworten würden vom Anbieter aufbewahrt, nur eben nicht fürs Training verwendet; im Übrigen gälten die „Stealth Model Terms“. Die Dokumentation von OpenCode, wo dasselbe Modell ebenfalls kostenlos steht, schreibt dem Anbieter dagegen eine „zero-retention policy“ zu. Beides kann nicht gleichzeitig stimmen. Ein Enddatum für die Gratisphase nennt keine der beiden Seiten; OpenCode sagt nur „free on OpenCode for a limited time“.
Zur Herkunft gibt es bislang nur Indizienarbeit, und die ist ausdrücklich Tier C. Der Kanal Better Stack hat das Modell gegen sechs Vergleichsmodelle dieselbe Anwendung bauen lassen und die entstandenen Codebasen anschließend von einem Sprachmodell auf gemeinsame Eigenheiten vergleichen lassen: Die höchste strukturelle Übereinstimmung ergab sich zu GLM-5.3 (22,4 Prozent gegenüber 19 Prozent bei DeepSeek), und nur Ox Alpha und GLM-5.3 schrieben von sich aus die README-Datei neu, mit gleichem Aufbau. Als stärkeres Indiz nennt der Beitrag Beobachtungen Dritter: ein praktisch identischer Tokenizer, gleiche Fehlermeldungen und ein Video-Encoder, der dieselben Token verwende wie das GLM-Vision-Modell. ⚠️ Diese Methode ist ein Fingerabdruck-Vergleich ohne Kontrollgruppe, die Prozentwerte stammen aus einem einzelnen, von einem Sprachmodell ausgeführten Codevergleich, und wir haben nichts davon nachgemessen.
An einer Stelle lässt sich die These aber an einer A-Quelle gegenprüfen, und dort passt sie nicht ganz. Z.ais Dokumentation zu GLM-5.3 nennt ein Kontextfenster von einer Million Token und eine maximale Ausgabelänge von 128 K – beides deckt sich mit Ox Alphas 1.048.576 und 131.072 Token auf den Token genau. Im selben Abschnitt steht aber auch: „GLM-5.3 currently supports text-only inputs.“ Ox Alpha nimmt laut OpenRouter Bild und Video entgegen. Die naheliegendste Lesart ist die, die Better Stack selbst anbietet: eine noch nicht veröffentlichte oder nachtrainierte multimodale GLM-Variante – oder ein fremdes Modell, das GLM als Grundlage nutzt, was die offene Lizenz zulässt.
Zur Leistung halten wir uns zurück, weil belastbare unabhängige Messungen fehlen. Bemerkenswert ist immerhin, dass der Kanal, über den wir den Fund gemacht haben, dem Hype selbst widerspricht: Eine kursierende Bestenlisten-Grafik, die Ox Alpha deutlich vor Fable setzt, hält er für irreführend – „anyone telling you this is better than Fable is either click baiting or overhyping it“; auf einem vollständigeren Durchlauf lande das Modell eher bei 63 Prozent und damit im Feld von Grok, DeepSeek und Gemini. ⚠️ Auch das ist eine Tier-C-Angabe ohne offengelegte Methodik; wir übernehmen sie nicht als Kennzahl, sondern als Hinweis darauf, dass die frühen Spitzenwerte auf sehr wenigen Aufgaben beruhen.
Nachtrag vom 24. August 2026 – der Widerspruch ist dreiseitig, nicht zweiseitig. Es gibt einen dritten Text, und er ist der einzige mit Vertragscharakter: OpenRouters „Stealth Program End User License Agreement“ (Stand 6. Juli 2026). Dort steht als Zweck des ganzen Programms, Anbieter böten Modelle anonym und kostenlos an „for purposes of collecting User Content for use in Stealth Model training and improvement“; die eigenen Eingaben „may be collected by us and shared with the Stealth Provider“ und dort genutzt, um „train, evaluate, and improve those Stealth Model(s)“. Die Modellseite von Ox Alpha nimmt das Modell davon ausdrücklich aus – behält aber im selben Atemzug die Aufbewahrung bei und verweist für alles Weitere zurück auf ebendiese Bedingungen. Wer also die Ausnahme auf der Modellseite liest, liest eine Zusage; wer den Rahmenvertrag liest, liest den Regelfall. Zwischen OpenCodes „zero-retention“ und dem Programmzweck „collecting User Content“ liegt damit die gesamte Spannbreite dessen, was mit einer Eingabe passieren kann.
Und es gibt jetzt eine quantifizierte unabhängige Messung – sie widerspricht dem Hype deutlich. Der Kanal AI Coding Daily hat Ox Alpha durch dieselbe öffentliche Coding-Bestenliste geschickt, die er seit Monaten für alle Modelle fährt: vier Projekte in PHP/Laravel, Dart/Flutter und Go, 20 Prompts, fünf Durchläufe je Projekt, im Modell nicht sichtbare Testsuite, Harness OpenCode. Ergebnis: 8,9 von 20 Punkten, Platz 26 von 30 – CSV Import 2,5, Offline Sync 2,2, Bank Feed 1,5, Shipping Quotes 2,7 – bei durchschnittlich 12:36 Minuten je Prompt, dem zweitlangsamsten Wert der Liste. Zum Vergleich stehen dort GPT-5.6 Sol (Medium) bei 18 und Opus 5 (Medium) bei 17,75 Punkten. Aufschlussreicher als die Platzierung ist die Streuung: Dasselbe Flutter-Projekt fünfmal hintereinander ergab 5, 3, 1, 11 und schließlich 0 fehlgeschlagene Tests. Ein einzelner Durchlauf hätte dieses Modell je nach Zufall als exzellent oder als kaputt ausgewiesen – und genau aus solchen Einzeldurchläufen bestehen die viralen Bestenlisten-Grafiken. ⚠️ Getestet wurde nur die Voreinstellung der Denkstufe (vermutlich Medium); High und Max hat der Autor angekündigt, aber noch nicht veröffentlicht. Die Messung ist Tier C und von uns nicht nachgemessen – ihre Einzelwerte je Projekt stehen aber öffentlich, was für Tier C ungewöhnlich ist. Zwei unabhängige Tier-C-Tests kommen damit zum selben Schluss: nicht im Feld der Spitzenmodelle.
Zur Herkunft ist der Konsens brüchiger geworden. Derselbe Test kommt zu einer anderen Vermutung als die GLM-These: Tencent Hy4, Kimi K3, Qwen 3.8 und GLM 5.3 seien allesamt zu frisch erschienen, als dass ihre Anbieter jetzt anonym testen würden – MiniMax dagegen sei lange still gewesen, also „MiniMax M3.1 or M4“. Ein dritter Aufgriff (Everlast AI) rät auf GLM 5.4/5.5 oder Xiaomi. ⚠️ Drei Tier-C-Quellen, drei verschiedene Antworten, keine mit einer Methode, die über Indizien hinausgeht. Wir führen die Herkunft weiterhin als offen.
Nachtrag vom 25. August 2026 – der angekündigte Nachtest liegt vor, und er stützt die Messung. Der oben genannte Vorbehalt („getestet wurde nur die Voreinstellung der Denkstufe“) ist eingelöst: AI Coding Daily hat Ox Alpha auf den Stufen High und Max erneut durch dieselbe Bestenliste geschickt und zusätzlich OpenRouter gegen OpenCode als Bezugsweg gegengeprüft. Ergebnis: Die Punktzahl ändert sich praktisch nicht – alle Stufen landen „in the same group even“, der Autor kündigt an, das Ergebnis gar nicht erst auf die öffentliche Bestenliste zu nehmen, „because the result doesn’t really differ“. Auch der Wechsel des Bezugswegs ändert nichts: OpenRouter liefert dieselbe Größenordnung und dieselbe Instabilität wie OpenCode. Was sich unterscheidet, ist allein die Zeit je Prompt – und daraus zieht er einen Nebenbefund, der die eigene Ausgangsmessung korrigiert: Weil Max näher an der Voreinstellung liegt als High, sei die Voreinstellung in OpenCode vermutlich nicht Medium, sondern Max. Sein Fazit bleibt unverändert: „doesn’t impress me at all … isn’t anywhere near the top models.“ ⚠️ Weiterhin Tier C und von uns nicht nachgemessen. Für unsere Darstellung zählt vor allem, dass damit die naheliegendste Entlastung des Modells ausgeräumt ist: Die 8,9 von 20 Punkten sind kein Artefakt einer zu niedrig gewählten Denkstufe.
Aktualisiert am 26. August 2026.