Ox Alpha 的家事：从 Tokenizer 看出身，AI 时代的"模型家世"已经不可证伪

Ox Alpha 的家事：从 Tokenizer 看出身，AI 时代的"模型家世"已经不可证伪

8 月 20 日，OpenRouter 上冒出一头不写名牌的牛——Ox Alpha，1M 上下文、131K 输出、原生视频图像输入，OpenCode Go 限免开放。两天之内，社区就把它扒到只剩底裤：GLM-5.3 的亲兄弟。

扒法不是看回答，是看算账。

一段文本，让 75 个 token 出卖了它

测试者把一段中英混排 + 代码 + emoji 的文本丢给 Ox Alpha 和 GLM-5.3。结果：GLM-5.3、GLM-5.2 都返回 68 个 token，Ox Alpha 返回 143。多出来的 75 个，恰好等于一段隐藏的 system prompt 长度。

25 组不同 Prompt 对照，Ox Alpha 与 GLM-5.3 的 token 计数都呈现同一段固定偏移。在另一项测试里，它还和 GLM-5V-Turbo 的视频 token 预算曲线完全重合——秒速 147 个 token、帧率改变不调整采样、分辨率变化对齐缩放——逐项对得上（量子位，2026-08-23）。

身份可以打码，但笔画不会说谎。 Tokenizer 切词表、BPE 策略一旦在 pretrain 阶段定下来，想在后训练抹掉，得重训模型。这一层是骨架，化妆盖不住。

视频 token 预算——骨架级的指纹

文本模型可以蒸馏、套 system prompt 模仿语气；但视频 token 预算涉及多模态输入前的工程设计——帧采样、分辨率映射、时长比例——这套规则改一个齿轮，整条管道都要重写。

4 段受控视频的对比里，Ox Alpha 和 GLM-5V-Turbo 的额外 token 预算在多项特征上一致。拿来对照的 MiMo、Qwen、GLM-4.6V 都不符合这个模式，所以可以排除"这是大模型的通用做法"。

这是 DINA 级别的指纹——文本是化妆可以重画，但视频编码率是骨架。

API 报错露馅，与 Google 的"暧昧"

社区还试出了另一条线：给 Ox Alpha 故意传入异常参数，它返回形如 [1210] The temperature parameter is illegal 的报错，参数限制和中英文混排风格被认为与智谱服务高度相似。社区截图还出现过 "trained by Z.ai" 字样（量子位注明这是彩蛋级证据，等级低于前面的指纹测试）。

另一边，剧情没停。Google DeepMind 研究员 Evan Otero 在相关讨论下回了 "Gemini"，再补一句 "如果 Ox Alpha 就是我们一路遇到的朋友呢"。Techmeme 汇总里，Gemini 团队成员近期密集谈 Gemini 与下一代模型。Ox Alpha 的产品画像——1M 上下文、长视频、原生多模态——确实贴着 Gemini 家族长出来的样子（量子位，2026-08-23）。

当一家厂商两次都派匿名牛出门，所有巧合就不再是巧合。 今年 2 月，OpenRouter 上线过 Pony Alpha，最后揭晓就是 GLM-5 早期测试版。再来一次没人会奇怪。

自训传闻与"模型家世"的经济学

量子位同篇报道里，另一种调侃：也可能是 Cursor 拿智谱模型自己训了一遍，套个牛头。8 月 17 日马斯克刚花 600 亿美元把 Cursor 买下，这话此时扔出来，本身就是个隐喻——

"血统"已经变成可被购买的资产。DISTILL、后训练、第三方推理服务越来越普遍。模型是谁训练的、模型在哪里部署，是两道不同的题。能修改的，是品牌；改不动的，是 token budget 这一层骨架。