Ox Alpha 是怎麼被挖出來的
這次不是 Z.ai 自己官宣的。
根據 HN 討論區(貼文 id=49446422)還原的脈絡,大致是這樣:
- 某個第三方 API 聚合工具(沒明說,可能是 OpenRouter 或類似服務)的使用者,在呼叫 Z.ai 端點時,發現回應裡多了一個陌生的 model name:
ox-alpha - 使用者拿這個端點跑了幾個常見 prompt,發現輸出品質明顯比 Z.ai 既有的 GLM-4 系列高一個檔次
- HN 上有人開帖求證,Z.ai 在留言裡只回了一句「這是 GLM 系列新模型,未來會開源」,沒附上任何 benchmark、沒有 release notes
- 彭博跟進,文章見報
整個過程沒有 blog post、沒有推文、沒有 Discord 公告。彭博報導發出後,Z.ai 才在 X 上發了一則確認貼文。
這就是所謂的「隱形發布」(stealth release)——模型先在正式環境跑幾天到幾週,蒐集真實使用者回饋,確認沒大問題再官宣。Google 的 Gemini 1.5 Pro 早期測試也用過類似手法,但中國公司已經把它當成標準 SOP。
「rivals DeepSeek」到底在說什麼
彭博用了一個很模糊的詞。「rivals」可以是 95% 接近,也可以是某個 benchmark 剛好打平。
目前能拿到的資訊:
- 推理:HN 留言區有人貼了 MATH-500 的零散成績,Ox Alpha 大約在 90% 上下,DeepSeek-V3 在 89-92% 區間。屬於同一檔次
- 程式碼:沒有可靠的數字。有人說在 HumanEval 上追平了 DeepSeek,但沒看到原始來源
- 長上下文:Z.ai 端點回傳的 metadata 顯示支援 128k context window,跟 DeepSeek 同級
- Agent 呼叫:沒有公開 benchmark
彭博那篇報導裡沒有任何具體分數,只有一句「rivaling top open-source models」。HN 貼文累積 121 分、41 則留言,但討論集中在「怎麼發現的」和「什麼時候開源」,沒有人在重現 benchmark。
所以「rivals DeepSeek」的成分,至少有 50% 是標題黨。沒有第三方獨立評測,光看廠商自報數字,參考價值有限。
真正能下定論的,要等權重開放後跑 livebench、Artificial Analysis、lmsys arena 這些第三方榜單。
隱形發布 + 開源權重:DeepSeek 之後的標配
DeepSeek-R1 是怎麼紅的?2025 年 1 月先 API 上線,開發者實測了兩週,社群口碑炸裂,然後權重開放,Hugging Face 當天下載量破百萬。
這套打法的核心邏輯:
- 先用真實流量驗證產品——不需要做行銷,模型好不好用使用者說了算
- 權重開放後立刻拿下開發者生態——Hugging Face star、GitHub fork、第三方微調版本,這些都是後來者的護城河
- 避開「翻車即上熱搜」——傳統發布會有大量媒體盯著,bug 會被放大;隱形發布給團隊留了修 bug 的緩衝
Ox Alpha 完全照抄。Z.ai 的好處是:
- 不需要跟 Qwen3、DeepSeek-V4 搶發布檔期
- 等權重開放時,開發者已經在線上跑過這個模型了,省去「要不要試一下」的決策成本
- 如果模型有重大問題,隱形期可以熱修,不用發 retraction
這是巧合嗎?不是。中國大模型公司已經把這套打法摸透了——你可以叫它「DeepSeek 模式」。
GLM 系列在國內開源生態的位置
Z.ai 前身是智譜 AI,GLM 系列在國內開源 LLM 裡排得上號。
按 Hugging Face 上的下載量粗略排序(2025 年下半年資料):
- Qwen 系列(阿里):斷層第一,月下載量百萬級
- DeepSeek 系列:第二,開源後增速最快
- GLM 系列(智譜):第三梯隊但穩定,GLM-4-9B 系列月下載量在 10-20 萬
- Yi 系列(零一萬物):下滑明顯
- InternLM(上海 AI Lab):學術圈用得多,工業界少
GLM 的特點是中文場景優化做得好,tokenizer 對中文更友善。但模型架構層面沒有特別大的創新——主要是 dense transformer 加上各種訓練 trick。
Ox Alpha 如果真的對標 DeepSeek,開源後會改變什麼?
短期看不會。三國殺(Qwen / DeepSeek / GLM)的格局已經成形,Ox Alpha 頂多是補上長尾,讓中文 LLM 選型多一個選項。
長期看取決於一件事:Ox Alpha 開源的是不是 base model,還是 instruction-tuned 版本。如果是 base,開發者會自己 fine-tune,價值在架構;如果是 instruct,差異化只能在 prompt 設計和後訓練。
編輯思考:開源的紅利期正在被壓縮
2024 年 DeepSeek 靠開源震驚全世界,2025 年所有人都學會了這套打法。開源紅利期正在消失。
Ox Alpha 是這個趨勢的又一個證據。它不是靠「開源」本身吸引眼球——它必須先在 API 上證明自己值得開源。如果只是「又一個開源 LLM」,沒人會看。
下一個差異化在哪?我賭三個方向:
- 工具鏈所有權:模型本身越來越同質化(dense + MoE + 長上下文 + function call,大家都有),但 vLLM、SGLang、LangGraph 這些推理框架和 agent 框架會成為新護城河。誰控制了開發者的工作流,誰就控制了模型分發
- Benchmark 設計權:現在刷榜的都是 MMLU、HumanEval、GSM8K 這些老古董。新的 benchmark——尤其是 agent、code agent、多輪 tool use——誰先定義標準,誰就拿到話語權。Artificial Analysis 在做這件事,lmsys arena 在做,Hugging Face 的 open-llm-leaderboard 也在做
- 垂直場景的 fine-tuning 生態:通用模型同質化後,垂直領域(法律、醫療、程式碼)的 fine-tuned 版本會值錢。DeepSeek 蒸餾的小模型已經證明了這條路
不確定的地方:Ox Alpha 的真實效能、GLM 系列的開源協議(之前 GLM-4 用的不是純 Apache)、Z.ai 的商業模式(光靠開源怎麼賺錢)。這些資訊要等權重真正開放後才能判斷。
但有一件事是確定的——隱形發布 + 真實流量驗證 + 開源權重這套組合拳,會成為中國 LLM 的預設打法。下一次看到某個新模型「突然冒出來」,大概又是同一齣戲。
來源: