Die Identität von Ox Alpha, dem markenlosen KI-Modell, das seit seinem Erscheinen auf OpenRouter und OpenCode am 20. August die Entwicklergespräche dominiert, ist kein Geheimnis mehr. Das chinesische Unternehmen Z.AI bestätigte am Mittwoch gegenüber Bloomberg News, dass es sich bei dem Modell um eine Neuauflage seiner GLM-Serie handelt – und kündigte an, dass es heute Abend die Gewichte des Modells veröffentlichen werde, sodass sie jeder herunterladen und ausführen könne.
Die Bestätigung beendet eines der hektischsten Ratespiele, die die KI-Community in diesem Jahr gesehen hat, und bringt ein chinesisches Flaggschiffmodell auf Kollisionskurs mit westlichen Laboren, die vergleichbare Fähigkeiten mit einem hohen Preisaufschlag bewerten. Weitere Informationen zu dieser Geschichte finden Sie in unserer neueste KI-Entwicklungen.
Ein Stealth-Start, der genau wie geplant funktionierte
Ox Alpha kam mit einer Auflistung, die alles darüber beschrieb, was es konnte, aber nichts darüber, wer es gebaut hatte. OpenRouter führte es auf „einen Drittanbieter zurück, der sich entschieden hat, während dieser Vorschau anonym zu bleiben“ und positionierte es als ein Argumentationsmodell, das für Codierung, nachhaltige Agentenarbeit und Produktions-Workloads entwickelt wurde.
Allein die Spezifikationen reichten aus, um Aufsehen zu erregen: ein Kontextfenster mit etwas mehr als einer Million Token, Unterstützung für Text-, Bild- und Videoeingaben und völlig kostenloser Zugriff über OpenRouter und OpenCode. OpenCode kündigte eine Bereitstellungskapazität von 100 Billionen Token pro Tag für das Modell an, und Nous Research behauptete, sein eigenes Portal könne eine Billiarde Token durchsetzen.
Der anonyme Betrieb eines grenzüberschreitenden Modells auf einer neutralen Infrastruktur ermöglichte es Z.AI, reale Nutzungsdaten und ungefiltertes Benchmark-Geschwätz zu sammeln, bevor es seine Marke hinzufügte – ein Spielbuch, das die Rabatterzählung umgeht, die jeder Open-Weight-Veröffentlichung in China folgt, wie OfficeChai in seiner Analyse der Markteinführung feststellte.
Der Benchmark-Lauf, der die Zündschnur anzündete
Die Manie lässt sich auf einen einzelnen Datenpunkt zurückführen. Einen Tag nach der Veröffentlichung führte Entwickler Ben Davis eine informelle Zehn-Aufgaben-Bewertung des DeepSWE-Benchmarks durch und meldete eine First-Pass-Genauigkeit von 80 Prozent für Ox Alpha – vor Claude Fable 5 mit 65 Prozent und GPT-5.6 Sol mit 52 Prozent.
Dieses Ergebnis reichte aus, um das Modell viral zu machen und die 56-tägige Erfolgsserie von DeepSeek an der Spitze der OpenCode-Bestenliste zu beenden. Es löste auch sofortigen Widerstand aus. Auf Hacker News, wo Bloombergs Bestätigung Hunderte von Kommentaren hervorrief, mahnten die Entwickler zur Vorsicht und stellten fest, dass ein Zehn-Aufgaben-Lauf eine viel zu kleine Stichprobe sei, um irgendetwas zu klären, und dass die Ergebnisse des Modells in anderen Bestenlisten deutlich uneinheitlicher ausfielen.
Wie das Internet den Fall zuerst aufklärte
Lange vor der Bestätigung am Mittwoch hatte sich die Gemeindedetektivarbeit bereits auf Z.AI – früher bekannt als Zhipu AI – als Spitzenkandidaten festgelegt. Ein Entwickler namens „dax“ führte einen Tokenizer-Fingerprinting-Test über 25 Eingabeaufforderungen durch und stellte fest, dass die rohen Tokenzahlen von Ox Alpha bei 11 von 11 Sonden mit denen des GLM-Tokenizers übereinstimmten, während kein Modell eines anderen Labors vier Tests bestanden hat. Bei einer einstelligen Untersuchung hat der Tokenizer von DeepSeek 98 Token verbrannt, während GLM 29 verwendet hat.
Eine separate Analyse ergab, dass Ox Alpha auf denselben „schmutzigen Token“ gestoßen ist, der in der Vergangenheit die Modelle der Qwen- und GLM-Familie zum Stolpern gebracht hat, wodurch sich das Feld schon früh auf ein chinesisches Labor beschränkte. Die andere prominente Theorie – Xiaomi, dessen MiMo-Team zuvor ein identisches Stealth-Launch-Playbook mit MiMo-V2-Pro unter dem Pseudonym Hunter Alpha betrieben hat – scheint nun ein Lockvogel gewesen zu sein.
Bei der Enthüllung steht mehr auf dem Spiel, als nur zu prahlen. Die New York Times berichtete am Dienstag, dass die Modellfreigabe eines chinesischen Labors die Cybersicherheitsbereitschaft der Welt auf die Probe stellen könnte, was unterstreicht, wie genau westliche Regierungen offene Veröffentlichungen dieses Kalibers beobachten.
Warum offene Gewichte die Infinitesimalrechnung verändern
Die Bestätigung von Z.AI, dass heute Abend Gewichte kommen, ist der Teil, der für den Markt von Bedeutung ist. Der aktuelle GLM 5.3 des Unternehmens kostet auf seiner Erstanbieter-API 1,40 US-Dollar pro Million Eingabe-Tokens und 4,40 US-Dollar pro Million Ausgabe-Tokens, mit einem Cache-Rabatt von 81 Prozent. Laut OfficeChai wird das neue Modell voraussichtlich unter derselben MIT-Lizenz ausgeliefert, die Z.AI seit GLM 5 verwendet hat.
Grenzüberschreitende Codierung und Agentenleistung, die offen zu einem Bruchteil der westlichen API-Preise veröffentlicht werden, sind genau der Druckpunkt, den Premium-Labore zwei Jahre lang zu vermeiden versucht haben. Dadurch bleibt Z.AI auch auf der Open-Weight-Seite des chinesischen Marktes mit DeepSeek konkurrenzfähig, wo frei herunterladbare Modelle zur Standarderwartung für alles außerhalb der absoluten Grenze eines Labors geworden sind.
Was Sie als Nächstes sehen sollten
Wichtige Details bleiben unbestätigt – vor allem die Parameteranzahl und die Modellgröße, die bestimmen, wie praktisch die Veröffentlichung für die lokale Bereitstellung ist. Die Community-Diskussion konzentriert sich bereits darauf, wie das Modell auf die Quantisierung reagiert und wie schnell es auf Consumer-Hardware statt auf Rechenzentrums-GPUs läuft.
Sicher ist, dass eine Woche anonymer Spekulationen Z.AI etwas beschert hat, das mit keinem Marketingbudget zu kaufen war: unparteiische, markenunabhängige Validierung auf neutralem Boden. Da das Modell nun einen Namen hat, werden die Benchmarks deutlich dichter – und strenger.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
