בדקתי את מודל המסתורין "Ox Alpha" ליום שלם - הנה מה שגיליתי

יש מודל חדש בשם Ox Alpha שיושב כרגע ב-OpenRouter, במצב stealth. כל אחד יכול להשתמש בו, אבל אף אחד מחוץ לספק עצמו לא באמת יודע מה זה. הקדשתי לו יום שלם של בדיקות ורציתי לשתף רשמים ראשוניים לפני שהניחושים יתייצבו על משהו.

מה שאנחנו כן יודעים

בלי קשר למסתורין - הנה מה שמאומת: זה מודל reasoning שנבנה לקידוד, עבודה אגנטית ממושכת, ועומסי ייצור - הנדסת תוכנה ארוכת טווח, חשיבה מורכבת, ומשימות שמשלבות טקסט עם הקשר ויזואלי. הוא מקבל גם תמונות וגם וידאו כקלט (קלט וידאו עדיין די נדיר במודלים היום), אבל פלט טקסט בלבד. חלון ההקשר קצת מעל מיליון טוקנים, עם עד 131,000 טוקני השלמה. קצב העיבוד יצא אצלי בערך 32 טוקנים לשנייה - לא רע.

יש בדיוק ספק אחד שמגיש אותו כרגע, וגם הזהות שלו לא פומבית. הם אומרים שפרומפטים עשויים להישמר אבל לא משמשים לאימון; הרצה דרך OpenCode ספציפית נותנת zero data retention. זה חינמי לשבוע הזה, והספק לפי הדיווחים מסוגל להגיש עד 100 טריליון טוקנים ביום - אז מה שזה לא יהיה, זה רץ על תשתית רצינית.

אף אחד לא מסכים מה זה

הניחושים היו בכל מקום: גרסת GLM חדשה עם ראייה, MiMo V3 Pro, MiniMax, אפילו Gemini 3.5 Pro. כמעט כל מודל ששמועה עליו שהוא בדרך הוצע כמועמד בשלב כזה או אחר. גם לי אין ניחוש חזק, אבל אם זה יצא open-weight, זה סיפור גדול באמת - וההערכה שלי לאיכות הפלט השתנתה כל הזמן תלוי בשאלה הזו במהלך הבדיקה.

מה בדיוק בדקתי

משחק אופנוע תלת-ממדי. נבנה מפרומפט יחיד בממשק צ'אט, בלי שום הכוונה עיצובית ממני מעבר לבקשה עצמה. יצא low-poly אבל מפורט: מראות שעובדות, לוח מחוונים תקין, שלטי דרך שמפנים למקומות אמיתיים, רעש מנוע שבאמת גדל עם המהירות. הייתי צריך לתקן כמה באגים ידנית (מצלמה שלא הותקנה על האופנוע, מראות שהראו כיוון הפוך), אבל התוצאה הבסיסית - בערך 1,100 שורות בקובץ יחיד - הייתה חזקה באמת.

אתר מוצר לשעון יוקרה. front-end טוב, בתוספת רינדור תלת-ממדי של השעון עם אפקט פאן קולנועי. החומרים היו משכנעים (אלומיניום מוברש, עור תפור), ותנועת מחוג השניות נראתה ריאליסטית. איפה שזה נשבר זה במנגנון עצמו: רשת ההילוכים הייתה גיאומטרית שגויה - אבל שגויה בצורה עקבית על פני כמה גרסאות שנוצרו, מה שמרמז על פער שיטתי במודלינג ולא על תקלה אקראית. הערת אגב: הממשק נשען חזק על טקסט נטוי (italic), וחשד שלי הוא שזה בשקט הופך ל"סימן AI" הבא, בדיוק כמו שגרדיאנטים סגול-כחול היו דור אחד קודם.

אתר ביוגרפיה שנבנה מתמונות אמיתיות. נתתי לו שלוש תמונות שלי לצד שרת ישן מסוג Google Search Appliance, וביקשתי דף ביוגרפיה בתוספת מודל תלת-ממדי ריאליסטי של השרת, מבוסס על התמונות. התוצאה הייתה מכובדת - הוא תפס את המיתוג ואת תחושת ה-UI הכללית נכון, טעה קצת בפרופורציות של השרת, ומיוזמתו כתב סיפור רקע בדיוני קצר שממסגר את הדמות כאסף חומרה. הערת צד מעניינת: כשאמרתי לו לא "לחשוב יותר מדי" על המשימה, הוא באופן ברור נימק הרבה פחות מאשר במשימת השעון - מה שמרמז שההנחיה הזו משפיעה בפועל על כמות ה-reasoning שהוא מפעיל.

מודל מנוע inline-six הניתן להדפסה תלת-ממדית, שנוצר ב-OpenCAD, עם אילוץ להתאים למנוע RC קטן ולהדפיס בלי תמיכות. המבחן הזה תקע כמעט כל מודל שנתתי לו אותו עד כה. התוצאה לא הייתה מושלמת - היו משטחים צפים ולא נתמכים, וטקסט שלא היה מודפס נקי - אבל הוא דגם נכון פרט שלא ראיתי אף מודל קודם לכן מקבל נכון: זוג גלגלי התזמון מאחורי מכסה החזית, ספציפית למנוע הזה. זו תוצאה מוכשרת באמת עבור מבחן קשה.

משחק קרבות ימי. זה הרשים אותי הכי הרבה. תותחים שאפשר לכוון (עם בקרות שמאל-ימין הפוכות, שווה לדעת), אפקטי אדוות מאחורי הספינות, וכשספינה סופגת מספיק נזק היא עולה באש, מעשנת, וטובעת - עם זמן טעינה שונה לכל תותח. אחרי כמה תיקוני באג ידניים, זו הייתה אחת התוצאות החזקות ביותר שראיתי מ-shot אחד כבר זמן מה.

מודל מחשב נייד מתמונות רפרנס. נתתי שלוש תמונות של מחשב נייד גיימינג, והוא הפיק מודל תלת-ממדי סביר עם ציר למכסה הקדמי - פרט שמודלים אחרים החמיצו באופן עקבי במבחן הזה. הפאנל האחורי נשאר לא גמור, וההרצה נקטעה בגלל שגיאות מצד הספק לפני שהספקתי לראות גרסה מוגמרת.

הנקודות הרכות

הבעיה הגדולה לא הייתה המודל עצמו - היא אמינות ההגשה החינמית/stealth. נתקלתי בשגיאות timeout חוזרות בהפקות ארוכות, בעיקר בכל דבר שניסה לכתוב קובץ גדול בבת אחת. הנחיה לכתוב בהדרגה במקום הכל בפעם אחת, והסרת timeouts בצד הלקוח, עזרו אבל לא פתרו את זה לגמרי. מבחן משחק יאבקות ארוך שהתחלתי בתחילת הבדיקה מעולם לא באמת הסתיים במהלך הסשן שלי.

עוד נקודת מידע שווה ציון: במהלך שאלה לא קשורה בנושא אבטחת מידע, המשכתי לנסח מחדש את אותה הבקשה כדי לראות איך הוא יגיב. הוא שמר על עמדתו בבירור ובתקיפות, וסיים את השיחה בשקט מקום להיכנע או להתבלבל. מה שזה לא יהיה, זה לא נראה כמו מודל שמתקפל תחת לחץ חוזר.

המסקנה שלי

אני באמת לא יודע מה זה Ox Alpha. מה שאני יכול לומר זה שאיכות הפלט - במשחקים, במודלים תלת-ממדיים, ובמשימות תמונה-לתלת-ממד - הייתה מרשימה באופן עקבי, ולפעמים תפסה פרטים במבחנים קשים שמודלים אחרים מפספסים לגמרי. הנקודה החלשה האמיתית כרגע היא האמינות תחת ההגשה החינמית הנוכחית, וזו כנראה יותר בעיית קיבולת מאשר משהו במודל עצמו. אריץ benchmark מסודר ברגע שזה יושק רשמית, אבל כמבט ראשון - זה קיבל את תשומת הלב שלי.