Ox Alpha context 1 triệu token, chỉ đạt 28% trên 175 câu test độc lập

Ox Alpha (Ox Alpha) gây chú ý trong cộng đồng lập trình viên nhờ mức giá miễn phí và context khổng lồ hơn 1 triệu token, thậm chí có ý kiến cho rằng mô hình này vượt trội hơn Claude Fable 5. Tuy nhiên các bài đánh giá công khai lại cho kết quả trái chiều tùy theo cách kiểm tra.

Theo trang mô hình của OpenRouter tính đến ngày 24 (giờ địa phương), Ox Alpha được giới thiệu là mô hình suy luận phù hợp cho lập trình, tác vụ agent kéo dài và môi trường sản xuất. Mã định danh mô hình là 'stealth/ox-alpha', giá cả đầu vào lẫn đầu ra đều là 0 USD cho mỗi 1 triệu token, còn độ dài context được ghi là 1,05 triệu token.

OpenRouter cho biết mô hình này do một bên cung cấp thứ ba ẩn danh phát triển và vận hành. Nền tảng khẳng định họ chỉ định tuyến yêu cầu chứ không phải nhà phát triển hay chủ sở hữu, đồng thời cho biết chính bên cung cấp là nơi lưu trữ prompt và phản hồi của người dùng.

Sức hút của Ox Alpha không chỉ dừng ở mức giá miễn phí. Trang giới thiệu độc lập oxalpha.com mô tả mô hình này hỗ trợ context 1.048.576 token, đầu ra tối đa 131.072 token, cùng khả năng nhận đầu vào dạng văn bản, hình ảnh và video.

Cũng theo trang này, trong 10 bài test lập trình thực tế, Ox Alpha giải được 8 bài. Trang so sánh còn đưa ra các con số đối chứng: Claude Fable 5 đạt 65%, GLM-5 đạt 62%, GPT-5 đạt 52% và Grok 4 đạt 62%.

Dù vậy, khó có thể xem kết quả này là bằng chứng cho ưu thế hiệu năng toàn diện. Một kho benchmark độc lập khác cho biết khi đánh giá 175 câu hỏi thuộc bộ LiveCodeBench release_v6 với điều kiện chỉ thử một lần duy nhất, Ox Alpha chỉ đạt tỷ lệ pass@1 là 28,0%, tương đương trả lời đúng 49 câu.

Kho benchmark này cũng nhận định rằng dưới điều kiện đánh giá riêng của họ, Ox Alpha có biểu hiện giống một mô hình cỡ nhỏ hơn là một mô hình được định vị ở nhóm 'frontier'. Bình luận: mẫu 10 bài test và bộ 175 câu hỏi có quy mô và điều kiện khác nhau, nên không thể lấy kết quả này để khẳng định kết quả kia, và ngược lại.

Đối tượng được đem ra so sánh, Claude Fable 5, là mô hình do Anthropic công bố ngày 9/6. Anthropic thông báo trên trang chính thức rằng đã khôi phục quyền truy cập vào ngày 1/7, với mức giá 10 USD cho mỗi 1 triệu token đầu vào và 50 USD cho mỗi 1 triệu token đầu ra.

Claude Fable 5 được Anthropic định vị chủ yếu cho lập trình và các tác vụ agent kéo dài. Vì Ox Alpha nhắm vào cùng phân khúc này, hai mô hình đã trở thành đối tượng so sánh trực tiếp trong cộng đồng lập trình viên.

Danh tính bên phát triển Ox Alpha vẫn là chủ đề được đồn đoán. TechCrunch đưa tin những suy đoán ban đầu nghiêng về dòng GLM của Z.ai (Trung Quốc), sau đó khả năng liên quan đến dự án MAI của Microsoft(MSFT) cũng được nhắc tới.

Tuy nhiên, thông tin chính thức vẫn chỉ dừng ở mức 'bên cung cấp thứ ba ẩn danh'. Trên thị trường dự đoán của Coinbase(COIN) thậm chí xuất hiện sự kiện đặt cược 'công ty nào đứng sau Ox Alpha', nhưng mức giá trên thị trường dự đoán không phải là xác nhận chính thức.

Các chỉ số sử dụng cho thấy sự quan tâm ban đầu khá lớn. Trong bảng xếp hạng mô hình lập trình tháng 8/2026 của OpenRouter, Ox Alpha đứng thứ hai với 7,51 nghìn tỷ token được xử lý, còn trong danh sách mô hình hỗ trợ gọi công cụ (tool-calling), con số này là 16,7 nghìn tỷ token.

OpenRouter khẳng định bảng xếp hạng này dựa trên mức sử dụng thực tế. Tuy nhiên, lượng sử dụng không đồng nghĩa với việc hiệu năng đã được kiểm chứng, và cần tính đến khả năng chính sách miễn phí đã kéo lượng gọi mô hình tăng vọt trong giai đoạn đầu.

Nền tảng định tuyến mô hình (model routing platform) là hạ tầng cho phép so sánh và gọi nhiều mô hình AI khác nhau qua cùng một cổng API. Lập trình viên có thể chuyển đổi mô hình dựa trên giá, độ dài context, định dạng đầu vào hay khả năng gọi công cụ, nhưng trong môi trường sản xuất thực tế, điều kiện lưu trữ dữ liệu và độ tin cậy của bên cung cấp quan trọng không kém hiệu năng.

Sự việc lần này nối tiếp bài viết trước đó của TokenPost về việc mô hình AI ẩn danh Ox Alpha được công bố trên OpenRouter dưới dạng thử nghiệm miễn phí. Nếu lần trước trọng tâm là cách công bố ẩn danh và điều kiện vận hành, thì lần này cả tuyên bố về hiệu năng lẫn kết quả đánh giá độc lập đều bị đưa lên bàn cân.

Với người dùng tại Việt Nam, điều kiện xử lý dữ liệu khi đưa một mô hình miễn phí và ẩn danh vào công việc thực tế mới là yếu tố then chốt. Vì OpenRouter đã xác nhận prompt và phản hồi được bên cung cấp lưu trữ, trong môi trường có mã nguồn nội bộ hay dữ liệu khách hàng đi qua, người dùng nên kiểm tra điều kiện vận hành trước khi cân nhắc đến mức giá.