大模型

Z.ai 用 Ox Alpha 抢跑 DeepSeek:中国 LLM 进入隐身发布时代

Bloomberg 报道 Z.ai 秘密上线 Ox Alpha,性能对标头部开源模型,权重随后开源。这是 DeepSeek 之后中国 LLM 又一次「先跑后开源」打法。

字号

8 月 26 日 Bloomberg 捅出消息:Z.ai(智谱的新马甲)悄悄上线了一个叫 Ox Alpha 的新模型,API 端点没挂任何公告,是社区用户先抓到的。性能按 Bloomberg 的说法「rivals DeepSeek」,权重随后开源。

套路是不是很熟?DeepSeek-R1 当年就是这么打的。先跑 API 收反馈,再开源权重拿生态。Ox Alpha 是中国大模型公司第二次大规模照搬这个剧本。


Ox Alpha 是怎么被发现的

不是 Z.ai 自己官宣的。

据 HN 讨论区(帖子 id=49446422)还原的路径大致是这样:

  1. 某个第三方 API 聚合工具(没明说,可能是 OpenRouter 或类似的)的用户,在调用 Z.ai 端点时发现响应里多了一个陌生的 model name:ox-alpha
  2. 用户拿这个端点跑了几个常见 prompt,发现输出质量明显比 Z.ai 已有的 GLM-4 系列高一档
  3. HN 上有人开帖求证,Z.ai 在评论里只回了一句"这是 GLM 系列新模型,未来会开源",没给任何 benchmark、没给 release notes
  4. Bloomberg 跟进,文章发出来

整个过程没有 blog post、没有推文、没有 Discord 公告。Bloomberg 报道发出后,Z.ai 才在 X 上发了一条确认。

这就是"隐身发布"(stealth release)——模型先在生产环境跑几天到几周,收集真实用户反馈,确认没大问题再官宣。Google 的 Gemini 1.5 Pro 早期测试也用过类似手法,但中国公司把它当成了标准打法。


"rivals DeepSeek" 到底是什么意思

Bloomberg 用了一个很模糊的词。"rivals" 可以是 95% 接近,也可以是某个 benchmark 追平。

截至目前能拿到的信息:

  • 推理:HN 评论区有人贴了 MATH-500 的零散成绩,Ox Alpha 大概在 90% 左右,DeepSeek-V3 在 89-92% 区间。属于同一档
  • 代码:没有可靠数字。有人说在 HumanEval 上追平了 DeepSeek,没看到原始来源
  • 长上下文:Z.ai 端点返回里 metadata 显示支持 128k context window。和 DeepSeek 同档
  • Agent 调用:没有公开 benchmark

Bloomberg 那篇报道里没有任何具体分数,只有一句"rivaling top open-source models"。HN 帖子里 121 分、41 条评论,但讨论集中在"怎么发现的"和"什么时候开源",没人在复现 benchmark。

所以"rivals DeepSeek"的成分,至少有 50% 是标题党。没有第三方独立评测,光靠厂商自报数字,参考价值有限。

真正能下结论的,要等权重开放后跑 livebench、Artificial Analysis、lmsys arena 这些第三方榜。


隐身发布 + 开源权重:DeepSeek 之后的标配

DeepSeek-R1 是怎么火的?2025 年 1 月先 API 上线,开发者实测了两周,社区口碑炸了,然后权重开放,Hugging Face 当天下载量破百万。

这套打法的核心逻辑:

  1. 先用真实流量验证产品——不需要做营销,模型本身好不好用用户说了算
  2. 权重开放后立刻拿开发者生态——Hugging Face star、GitHub fork、第三方微调版本,这些都是后来者的护城河
  3. 避开"翻车即上热搜"——传统发布会有大量媒体盯着,bug 会被放大;隐身发布给团队留了修 bug 的窗口

Ox Alpha 完全照搬。Z.ai 的好处是:

  • 不需要和 Qwen3、DeepSeek-V4 抢发布档期
  • 等权重开放时,开发者已经在线上跑过这个模型了,省去"要不要试一下"的决策成本
  • 如果模型有重大问题,隐身期可以热修,不用发 retraction

这是巧合吗?不是。中国大模型公司已经把这套打法摸透了——你可以叫它"DeepSeek 模式"。


GLM 系列在国内开源生态的位置

Z.ai 前身是智谱 AI,GLM 系列在国内开源 LLM 里排得上号。

按 Hugging Face 上的下载量粗略排序(2025 年下半年数据):

  • Qwen 系列(阿里):断层第一,月下载量百万级
  • DeepSeek 系列:第二,开源后增速最快
  • GLM 系列(智谱):第三梯队但稳定,GLM-4-9B 系列月下载量在 10-20 万
  • Yi 系列(零一万物):下滑明显
  • InternLM(上海 AI Lab):学术圈用得多,工业界少

GLM 的特点是中文场景优化做得好,tokenizer 对中文更友好。但模型架构层面没有特别大的创新——主要是 dense transformer + 各种训练 trick。

Ox Alpha 如果真的对标 DeepSeek,开源后会改变什么?

短期看不会。三国杀(Qwen / DeepSeek / GLM)的格局已经形成,Ox Alpha 顶多是补足长尾,让中文 LLM 选型多一个选项。

长期看取决于一件事:Ox Alpha 开源的是不是 base model,还是 instruction-tuned 版本。如果是 base,开发者会自己 fine-tune,价值在架构;如果是 instruct,差异化只能在 prompt 设计和后训练。


编辑思考:开源的窗口期正在被压缩

2024 年 DeepSeek 靠开源震惊世界,2025 年所有人都学会了这套打法。开源红利期正在消失。

Ox Alpha 是这个趋势的又一个证据。它不是靠"开源"本身吸引眼球——它必须先在 API 上证明自己值得开源。如果只是"又一个开源 LLM",没人会看。

下一个差异化在哪?我赌三个方向:

  1. 工具链所有权:模型本身越来越同质化(dense + MoE + 长上下文 + function call,所有人都有),但 vLLM、SGLang、LangGraph 这些推理框架和 agent 框架会成为新护城河。谁控制了开发者的工作流,谁就控制了模型分发
  2. Benchmark 设计权:现在刷榜的都是 MMLU、HumanEval、GSM8K 这些老古董。新的 benchmark——尤其是 agent、code agent、多轮 tool use——谁先定义标准,谁就拿到话语权。Artificial Analysis 在做这件事,lmsys arena 在做,Hugging Face 的 open-llm-leaderboard 也在做
  3. 垂直场景的 fine-tuning 生态:通用模型同质化后,垂直领域(法律、医疗、代码)的 fine-tuned 版本会值钱。DeepSeek 蒸馏的小模型已经证明了这条路

不确定的地方:Ox Alpha 的真实性能、GLM 系列的开源协议(之前 GLM-4 用的不是纯 Apache)、Z.ai 的商业模式(光靠开源怎么赚钱)。这些信息要等权重真正开放后才能判断。

但有一件事是确定的——隐身发布 + 真实流量验证 + 开源权重这套组合拳,会成为中国 LLM 的默认打法。下一次看到某个新模型"突然出现",大概率又是同样的剧本。


来源:
- Bloomberg 报道:China's Z.ai Made Ox Alpha Stealth Model That Rivals DeepSeek
- HN 讨论:news.ycombinator.com/item?id=49446422

来源: https://www.bloomberg.com/news/articles/2026-08-26/china-s-z-ai-made-ox-alpha-stealth-model-that-rivals-deepseek