Ox Alpha stammt aus der GLM-Modellfamilie von Z.ai
Ox Alpha wurde am 20. August 2026 anonym und kostenlos über OpenRouter bereitgestellt. Auch OpenCode und weitere Entwicklerplattformen nahmen das Modell auf. In wenigen Tagen entwickelte sich das sogenannte Stealth-Modell zu einem der meistgenutzten Angebote auf OpenRouter.
Inzwischen ist die Herkunft geklärt. Das chinesische Unternehmen Z.ai bestätigte, dass Ox Alpha eine Variante seiner GLM-Modellfamilie ist. Zuvor hatten technische Analysen mit Modelprint bereits Übereinstimmungen mit GLM-5.3 gezeigt, insbesondere beim Tokenizer, der Eingaben in für das Modell verarbeitbare Einheiten zerlegt.
Großes Kontextfenster und lange Ausgaben
Ox Alpha ist auf umfangreiche und mehrstufige Aufgaben ausgelegt. Das Kontextfenster umfasst rund 1 Million Token, also die Textmenge, die das Modell innerhalb einer Anfrage berücksichtigen kann. Hinzu kommen lange Ausgaben, Multimodalität und externe Werkzeugaufrufe.
| Eigenschaft | Angabe |
|---|---|
| Kontextfenster | rund 1 Million Token |
| Maximale Ausgabe | bis zu 131.000 Token |
| Eingabeformate | Text, Bild und Video |
| Werkzeugnutzung | externe Tool-Aufrufe unterstützt |
| Kostenlose Testphase | 1 Woche |
| Versprochene Kapazität bei OpenCode | 100 Billionen Token täglich |
Diese Kombination ist vor allem für Coding-Agenten relevant. Sie können große Codebasen, frühere Arbeitsschritte und Ergebnisse externer Werkzeuge in einem langen Arbeitskontext halten. Ein großes Kontextfenster allein garantiert allerdings weder hohe Qualität noch zuverlässige Änderungen am Quellcode.
Millionen Anfragen innerhalb weniger Tage
Der kostenlose Zugang führte zu einem ungewöhnlich hohen Nutzungsvolumen. Bereits am ersten vollständigen Tag nach dem Start verarbeitete OpenRouter knapp 2 Billionen Token über Ox Alpha. Vier Tage später waren es rund 5,8 Billionen Token an einem Tag.
| Zeitraum | Anfragen | Verarbeitete Token |
|---|---|---|
| 21. August 2026 | 27 Millionen | knapp 2 Billionen |
| 25. August 2026 | 79 Millionen | 5,8 Billionen |
| Bis 25. August 2026 insgesamt | 295 Millionen | 23,2 Billionen |
Damit belegte Ox Alpha im Wochenvergleich von OpenRouter den ersten Platz, obwohl es noch keine vollständige Woche verfügbar war. Der Verlauf zeigt, wie schnell kostenlose Modelle über zentrale Plattformen in reale Entwicklungsprozesse gelangen können.
Benchmark relativiert den frühen Hype
Ein früher Test mit nur zehn Aufgaben aus dem Programmierbenchmark DeepSWE bescheinigte Ox Alpha eine Erfolgsquote von 80 %. Die Stichprobe war jedoch zu klein, um daraus eine belastbare Rangfolge abzuleiten.
In einem vollständigen Lauf mit 113 Aufgaben löste Ox Alpha 66 Aufgaben. Das entspricht 58,4 % und liegt ungefähr auf dem Niveau von Claude Opus 4.8. Gegenüber aktuellen Spitzenmodellen bleibt ein deutlicher Abstand.
| Modell | Gelöste DeepSWE-Aufgaben | Einordnung |
|---|---|---|
| Claude Opus 5 | 74 % | offizielles Leaderboard |
| GPT-5.6 Sol | 73 % | offizielles Leaderboard |
| Claude Fable 5 | 70 % | offizielles Leaderboard |
| Claude Opus 4.8 | 59 % | offizielles Leaderboard |
| Ox Alpha | 58,4 %, 66 von 113 | vollständiger Community-Lauf |
Die Werte sind nur eingeschränkt direkt vergleichbar, weil Konfigurationen und Wiederholungen voneinander abweichen können. Ein unabhängig verifiziertes Ergebnis auf einer Plattform wie Artificial Analysis liegt bislang nicht vor. Der Fall passt damit in die breitere Diskussion, warum bei Coding-Agenten nicht nur das Modell, sondern auch der umgebende KI-Harness für die praktische Leistung entscheidend ist.
Anonymer Betrieb wird zum Datenschutzrisiko
Während der anonymen Startphase war für Nutzer nicht erkennbar, dass Eingaben an den chinesischen Anbieter Z.ai gingen. Dazu konnten neben Prompts auch Quellcode, Konfigurationsdaten und andere Inhalte aus Entwicklungsprojekten gehören.
Eine kostenlose API ohne offengelegten Betreiber ist für vertraulichen Firmenquellcode keine kalkulierbare Infrastruktur.
Für Unternehmen im DACH-Raum entsteht damit ein konkretes Compliance-Risiko. Werden personenbezogene Daten, Geschäftsgeheimnisse oder geschützter Quellcode an Server in China übertragen, können Vorgaben aus DSGVO, Geheimhaltungsvereinbarungen und internen Sicherheitsrichtlinien verletzt werden.
Das Problem ähnelt klassischer Schatten-IT. Einzelne Entwickler aktivieren einen kostenlosen Dienst, während Einkauf, Datenschutz und IT-Sicherheit keine Gelegenheit zur Prüfung haben. Auch ein vorgeschaltetes Modell-Routing für Kosten und Datenschutz hilft nur, wenn Betreiber, Speicherorte und Datenflüsse der angebundenen Modelle bekannt sind.
Unternehmen benötigen deshalb klare Regeln für externe KI-Endpunkte. Dazu gehören Freigabelisten, technische Sperren für unbekannte Anbieter und eine Trennung zwischen öffentlichen Testdaten und internem Quellcode. Der Name eines Modells reicht nicht als Grundlage für eine Risikobewertung.
Open Weights schaffen eine Alternative zur API
Z.ai hat angekündigt, die Modellgewichte von Ox Alpha zu veröffentlichen. Damit könnte das Modell auf eigener oder kontrollierter Infrastruktur betrieben werden. Für Unternehmen wäre das eine Alternative zu laufenden API-Abos und zur dauerhaften Abhängigkeit von einzelnen US-Anbietern.
Ob Ox Alpha tatsächlich als Open Source gelten kann, ist noch offen. Z.ai hat bislang keine bestätigten Lizenzbedingungen genannt. Open Weights bedeutet zunächst nur, dass die Gewichte verfügbar werden sollen, nicht automatisch, dass kommerzielle Nutzung, Anpassung und Weitergabe ohne Einschränkungen erlaubt sind.
Auch die Preise für den gehosteten Zugang nach der einwöchigen Gratisphase sind noch nicht bekannt. Eine belastbare Kostenrechnung ist daher erst möglich, wenn API-Preise, Lizenz und Infrastrukturbedarf feststehen. Erfahrungen mit lokal betriebenen offenen KI-Modellen zeigen zudem, dass Unabhängigkeit gegen Betriebsaufwand, Hardwarekosten und interne Verantwortung abgewogen werden muss.
Ox Alpha verbindet damit zwei gegensätzliche Entwicklungen. Der anonyme Gratiszugang demonstriert die Risiken unkontrollierter Cloud-Nutzung. Die angekündigte Freigabe der Gewichte könnte dagegen mehr Datensouveränität ermöglichen, sofern Lizenz und technischer Betrieb für Unternehmen tragfähig sind.