Ox Alpha正体暴露全記録：匿名AIが48時間でGLM-5.3-Flashと特定された話

「先週、コーディングエージェントが、公式には存在しないモデルから返答し始めた」。開発者のAniruddha Adakはそう書いた（DEV Community, 2026年8月）。

2026年8月20日、OpenRouterにstealth/ox-alphaという謎のモデルが現れた。発売キーノートもなく、会社名もなく、モデルカードもない。無料。コンテキスト100万トークン。そしてDeepSWEコーディングベンチマークで「80%」という数字が出た瞬間、開発者コミュニティは真剣に沸騰した。

その後48時間で起きたことは、AIベンチマーク論争よりも面白い話だ。

8月20日：名前のないAIが出現した

このステルスモデルのモデルIDは stealth/ox-alpha、プロバイダ名は stealth。説明文に書かれていたのは「コーディング、長時間タスク、テキスト・画像・動画の複合入力向けに構築されたモデル」だけだった。

OpenRouterは自社が開発者ではないと明記した。「匿名の第三者プロバイダがプレビュー期間中は身元非公開を選択した」というのが唯一の説明だ。

スペック上の数値は異常だった。コンテキストウィンドウ1,048,576トークン（約100万）、最大出力131,072トークン、テキスト・画像・動画の入力、ツール使用対応。そしてプレビュー期間中の価格は入出力ともに$0.00。

Stripe CEOのパトリック・コリソンがXで「非常に印象的だ」と投稿した。コリソンが代表するStripeはOpenRouterを100億ドルで買収済みだ（Stripe-OpenRouter買収の詳細はこちら）。この一言が「開発者インターネットの半分」を試用に向かわせた、とある記者は書いた（The Next Web, 2026年8月）。

最初の2日間でOpenRouter上のプロンプトトークンは約6,570億、補完トークンは約79.5億に達したとされる（Z.ai発表値）。最も多く使ったアプリはClaude Code、Hermes Agent、ZedというAIコードエディタだった。

「本当に80%なのか」— ベンチマーク論争

話題の発端は開発者Ben Davis（@davis7）が8月21日にDeepSWEで実施した10タスクテストだ。Ox Alphaは80%を記録。Claude Fable 5の65%、GPT-5.6 Solの52%を上回った（いずれもDavis独自の10タスク実行値）（OX Alpha Benchmarks - local-ai-zone.github.io）。

ただしDavis自身はツイートの中で「10タスクなのでスコアの分散が大きい可能性がある」と注記していた。「10タスクのベンチマークでは、1タスクの結果で10ポイント変動する」という当然の統計的事実だ。

その後コミュニティが動いた。GitHubリポジトリ MatchaOnMuffins/oxalpha ではDeepSWE用評価フレームワークpierを使い、20時間39分かけて113タスクの全量評価を実施。結果は66/113 = 58.4%（GitHub - MatchaOnMuffins/oxalpha）。評価ハーネスのバージョン差によるとみられる別の全量実行では約62.8%となった。

公式リーダーボードにおけるGPT-5.6 Solのスコアは72.7%、Claude Fable 5は約70%だ（いずれも公式リーダーボード値）（GPT-5.6 Sol レビューはこちら）。Ox Alphaの本当の実力はその下、ただし「無料・オープンウェイト」という条件を加えれば十分に注目に値するポジションにいる。

失敗の内訳を見ると別の問題も見えてくる。113タスクのうち不完全な推論が31件、タイムアウトが5件、ツール呼び出し形式エラーが11件。全エピソードの46%に「ツール呼び出しを含まない不正なレスポンス」が含まれていた。バイナリの成否評価が「惜しいミス」を失敗と同列に扱う問題も指摘されている。

ユーザーの実感

Xの@Hesamationはベンチマーク数値より踏み込んだ評価をした。「もしこれが実際にGLM Flashや小型オープンウェイトモデルで、1〜2台のDGX Sparkで動かせるなら、計算コスト対性能比は狂気的だ」（X/@Hesamation, 2026年8月21日）。

DEV Communityに投稿したAniruddha Adakは1週間の実際の開発作業でOx Alphaを使い続けた。体感的には「存在しないはずのモデルが、十分に使えるコードを出し続けた」という評価だった（DEV Community, 2026年8月）。

コミュニティの探偵術：48時間で正体を暴いた5つの手がかり

Hacker Newsにスレッド「Behaviorally fingerprinting Ox Alpha’s provenance」が立った。Redditは「コールドケースを追う真犯罪フォーラム」のように動き、コミュニティは系統的な調査を開始した。

研究者Joseph W. Elstnerは文字体系・絵文字・コード・SQLにわたる95のプローブ文字列を投入し、既知のモデルとトークン数を比較した。全95件がZhipu AIのGLM-5系語彙と完全一致した（implicator.ai, 2026年8月22日）。

手がかり1：トークナイザの指紋

プロンプトに特定の文字列を送り、返ってきたトークン数をモデルごとに比較する。Ox Alphaは25のテストプロンプトでGLM-5.3と完全一致し、差分は一定の+75トークンオフセット（隠れたシステムプロンプトによるとみられる）のみだった。他のどのモデルとも一致しなかった。

手がかり2：絵文字の出現頻度

同じプロンプトに対する絵文字の使用率を測定した結果、Ox Alphaは1,000文字あたり約1.3個の絵文字を生成した。Claude、GPT-5.6、Grokはいずれも同条件でほぼゼロ。GLM/Qwen系モデルの傾向と一致する。「Redditは絵文字を数えてモデルを特定しようとしている」と各メディアが報じた理由がこれだ（aiangst.com, 2026年8月）。

手がかり3：Javaスタックトレースの漏洩

不正な形式のリクエストを送ると、バックエンドがJavaのスタックトレースを生のエラーとして返した。クラス名はcom.wd.paas.api.domain.v4.chat.ChatCompletionRequest。これはZhipu AIの公式APIルート/api/paas/v4/chat/completionsと正確に対応する（explainx.ai, 2026年8月）。

手がかり4：エラーコードの署名

不正リクエストへのレスポンスに{"code":"1214","message":"Incorrect role information"}が含まれていた。GLM-5.3、GLM-5.2、GLM-5V-TurboのOpenRouterエンドポイントでも全く同じエラーコードが返る。DeepInfraでホストされる同じGLM-5.2の重みはpydanticエラーを返すため、1214はZ.aiのサービングインフラ固有の署名だとわかる。

手がかり5：動画トークン消費パターン

動画を入力したときのトークン消費量のパターンを比較すると、Ox AlphaはZhipu AIのマルチモーダルエージェントモデルGLM-5V-Turboと、3つの独立した設計選択で一致した（Gate.com News, 2026年8月）。

Crawl4AI作者のHossein（@unclecode）はこの過程でオープンソースツールmodelprintを公開し、「配管は嘘をつかない。振る舞いはつく」（“The plumbing doesn’t lie. The behavior does.”）と表現した（X/@unclecode, 2026年8月22日）。研究者のChetasluaはHacker Newsで「これはモデルの性格を推測するより質的に異なるクラスの証拠だ」として98%の確信度でZ.ai GLM系と断定した。

データプライバシーと制裁リスクという影

コミュニティが盛り上がる一方で、見えにくいリスクが2つあった。

プロンプトの行方が最初の問題だ。OpenRouterのモデルページには「プロンプトと補完はプロバイダに保持される（学習利用なし）」と書かれていた。だが同じモデルがOpenCodeでは「ゼロ保持」と表記されるなど矛盾があった。TechCrunchは「誰がAIコーディングモデルOx Alphaを作ったのか、コードはどこへ行くのか誰も知らない」と見出しをつけた（TechCrunch, 2026年8月23日）。

セキュリティ研究者の勧告は明確だった。「プロンプトはすべて公開されたものとして扱え」。プロプライエタリなコードや顧客データをOx Alphaに送っていた人は、名前も分からないプロバイダのサーバーにそれを預けていたことになる。

制裁企業の可能性という問題もあった。コミュニティがZ.ai（旧Zhipu AI）と特定するにつれ、別の事実が浮かんだ。米商務省は2025年1月16日、Zhipu AIを「中国の軍近代化を推進している」としてエンティティリストに追加している（VKTR, 2026年8月23日）。Z.aiへの改名は法人の変更を伴わないため、制裁指定はそのまま引き継がれる。医療や金融の企業開発者が機密コードを送っていた場合、規制リスクが発生していた可能性がある。

The New Stackは「Ox Alphaの本当の謎は誰が作ったかではない」と書いた。データ条件の不透明さの方が深刻だ、という主張だ（The New Stack, 2026年8月）。

8月26日：Z.aiが認め、MITで公開した

8月26日夜（UTC+8）、Z.aiはBloombergに対し「Ox AlphaはGLM-5.3-Flashだ」と認めた。同日、OpenRouterのカタログがstealth/ox-alphaからz-ai/glm-5.3-flashに更新され、HuggingFaceにMITライセンスの重みが公開された。

Z.aiの公式コメントは明快だった。「正式公開前に、リアルなユーザーフィードバックを収集するために匿名でテストした」。

ただしコミュニティが読み取ったのはもう一つの意図だ。プレビュー期間中、Ox Alphaは134,000人のユーザーから7.1兆トークンのデータを収集した。名前を伏せたままベンチマーク結果と実使用フィードバックを積み上げ、ブランドを乗せるタイミングで一気に公開する。Z.aiはGLM-5そのものを同じ手法（当時のコードネームは「Pony Alpha」）で2026年2月にも試みていた。ステルスローンチはZ.aiの確立した戦略だ。

発表文には一行が追加されていた。「GLM-5.3-Flashは完全に中国製AIチップで動作している」。プレビュー期間中に1日100兆トークンのキャパシティをNVIDIA以外のチップで処理したという主張だ。米国の輸出規制が続く状況で、これは技術的な成果であると同時に政治的なメッセージでもあった（WCCFTech, 2026年8月26日）。

GLM-5.3-Flashのアーキテクチャは、GLM-5.3フラッグシップと比べてアテンション計算を3.01倍削減、KVキャッシュを4.44分の1に圧縮するハイブリッドスパース+線形アテンションを採用する。パラメータ総数は320B（Mixture of Experts: MoE、実効18B）、コンテキスト100万トークン、テキスト・画像・動画のネイティブマルチモーダル入力に対応する。GLM-5シリーズ初のネイティブマルチモーダルモデルだ（Z.AI開発者ドキュメント）。

---

関連記事

• 中国AI製品への渡航禁止と制裁：DeepSeek・Alibaba事例から学ぶリスク管理
• GPT-5.6 Sol・Terra・Lunaの性能・価格・実用性レビュー
• Stripe-OpenRouter買収100億ドル：AIインフラ支配の真相

---

本記事に記載のベンチマークスコアは2026年8月時点のものです。AIモデルの性能は継続的に更新されるため、最新情報はZ.ai公式サイトおよびArtificial AnalysisなどのLLM評価サイトで確認してください。エンティティリスト記載企業のサービス利用に関しては、所属組織の法務・コンプライアンス部門に相談することを推奨します。