Ox Alpha, 어느 회사가 만든 모델일까요? 그리고 왜 이름을 가린 채 벤치마크부터 올라올까요?
답부터 드릴게요. Ox Alpha 스텔스 모델은 2026년 8월 20일 OpenRouter에 stealth/ox-alpha라는 코드네임으로 올라온 익명 모델이고, 개발사를 공식적으로 밝힌 곳은 아직 없어요. 커뮤니티 포렌식은 Zhipu(Z.ai)의 GLM 계열을 꽤 강하게 가리키는데, Zhipu도 OpenRouter도 확인이나 부인을 하지 않았습니다(2026년 8월 24일 기준). 그러면 궁금한 게 하나 남죠. 정체를 가린 채 먼저 쓰게 하는 방식이 왜 요즘 들어 이렇게 늘었을까요.
목차
- 한눈에 보기
- Ox Alpha 스텔스 모델, 확인된 건 뭘까요?
- 왜 이름 없이 벤치에 먼저 올릴까요?
- 지금까지 코드네임들은 결국 누구였나요?
- 스텔스 모델 점수는 믿어도 될까요?
- 지금 직접 써볼 수 있나요? 주의할 점은?
- 정체는 어떻게 추측하는 걸까요?
- 스텔스 모델 만났을 때 확인할 것
한눈에 보기
- Ox Alpha는 개발사 미공개 상태로 OpenRouter에 올라온 코드네임 모델이며, 컨텍스트 1,048,576토큰(약 100만)·최대 출력 131,072토큰에 텍스트·이미지·비디오 입력을 받습니다.
- 스텔스 공개는 브랜드 이름을 지운 상태에서 실사용 반응과 트래픽을 먼저 받아보려는 사전 테스트 관행이고, OpenRouter를 거쳐 간 코드네임만 Ox Alpha 포함 14개예요.
- “Ox Alpha는 어느 회사 모델이다”라는 주장은 현재 전부 추정입니다. 근거는 토크나이저·에러코드 같은 간접 지문이에요.
Ox Alpha 스텔스 모델, 확인된 건 뭘까요?
확인된 사실과 추정을 섞지 않는 게 이 주제에서는 제일 중요해요. OpenRouter 모델 페이지에 적힌 것만 사실로 치면 이렇습니다.
- 등장: 2026년 8월 20일, OpenRouter와 OpenCode에 동시 노출
- 컨텍스트 1,048,576토큰 / 최대 완성 131,072토큰
- 입력은 텍스트·이미지·비디오, 출력은 텍스트. 툴 콜링 지원
- 가격 $0. 프리뷰 기간 한정 무료이고, 대략 일주일 창으로 안내됐어요
- 데이터 정책: 프롬프트와 응답을 제공사가 보유하되 학습에는 쓰지 않는다고 명시
마지막 줄이 의외로 특이한 지점이에요. 그동안 코드네임 모델들은 대체로 학습 사용 가능이 기본값이었거든요. 대신 보유 기간은 안 적혀 있습니다. 운영 지표도 공개돼 있는데, 지연시간 P50 약 2.02초에 처리량 초당 50토큰 안팎, 툴 콜 에러율 3일 평균 4.45% 수준이에요.
왜 이름 없이 벤치에 먼저 올릴까요?
라벨을 지우면 평가가 달라지기 때문이에요. 사람은 모델 이름을 보는 순간 점수를 조정합니다. 익명으로 A/B를 붙이면 그 편향이 빠지고, 랩은 “우리 이름 없이도 이 응답이 이기는가”를 처음으로 보게 되죠.
이유를 정리하면 대략 이렇습니다.
- 브랜드 편향 제거 — 로고 없이 응답만 놓고 반응을 받는 구조. 마케팅 서사가 개입하기 전 데이터를 봅니다.
- 실사용 트래픽 확보 — 벤치 문항이 아니라 진짜 코딩 작업이 들어와요. Ox Alpha만 해도 상위 유입처가 Claude Code 약 93억 토큰, Hermes Agent 약 90억 토큰입니다. 무료로 푸는 값을 데이터와 부하로 받는 셈이죠.
- 인프라·비용 튜닝 — 100만 토큰 컨텍스트 처리, 동시 요청, 지연시간을 출시 전 실전 부하로 잽니다. 운영 측은 하루 100조 토큰 서빙 여력과 “거의 무제한” 레이트리밋을 내걸었어요.
- 조용히 접을 수 있음 — 반응이 나쁘면 코드네임째로 내리면 끝. “GPT-X가 실패했다”는 기사는 안 나옵니다. 이 퇴로가 가장 큰 유인이라고 봐요.
- 경쟁사 대응 지연 — 성능은 보여주되 소속과 스펙은 안 밝히니, 상대 랩이 대응 발표 일정을 잡기 어려워집니다.
지금까지 코드네임들은 결국 누구였나요?
절반쯤 밝혀졌고 두 개는 끝내 미제로 남았어요. 지금까지 스텔스 목록은 14개고, 이 중 7개가 공식 확인됐습니다.
| 코드네임 | 밝혀진 정체 | 확인 시점 |
|---|---|---|
| Quasar Alpha / Optimus Alpha | GPT-4.1 (OpenAI) | 2025-04-14 |
| Horizon Alpha / Beta | GPT-5 체크포인트 | 2025-08-07 |
| Hunter Alpha / Healer Alpha | Xiaomi MiMo-V2-Pro / Omni | 2026-03-18 |
| Owl Alpha | Meituan LongCat-2.0-Preview | 2026-06-30 |
| Cypher Alpha / Aurora Alpha | 끝내 미확인 | — |
| Ox Alpha | 미확인(GLM 계열 추정) | 진행 중 |
사진 출처: azure.microsoft.com
OpenRouter는 Quasar Alpha 공지에서 이미 “긴 컨텍스트 파운데이션 모델의 프리릴리스”라고 성격을 밝힌 적이 있어요. 새로운 변칙이 아니라 2025년 봄부터 굳어진 출시 전 단계 하나가 된 겁니다. 다만 노출 기간은 들쭉날쭉해요. 보통 1~2주 안에 정체가 드러나는데, Owl Alpha는 63일이 걸렸습니다.
스텔스 모델 점수는 믿어도 될까요?
절반만 믿는 게 안전해요. 화제가 된 “DeepSWE Pass@1 80%”는 독립 연구자 Ben Davis가 돌린 10문항 중 8개 통과라는 뜻입니다. 같은 조건에서 Claude Fable 5가 65%, GLM-5.3과 Grok 4.6이 62%, GPT-5.6-sol이 52%로 나왔어요.
숫자만 보면 압도적인데, 문항 하나가 10%포인트를 흔드는 규모예요. 프런티어 모델들이 SWE-bench Verified에서 받는 96%대와도 프레임워크가 달라 직접 비교가 안 됩니다. 인상적인 개별 사례는 분명히 있어요. 다른 모델들이 0/4로 전멸한 과제를 한 번에 통과했고, 회귀 테스트 51,469건을 깨끗이 넘겼다는 보고가 있습니다.
익명 프리뷰 점수를 더 조심해야 하는 이유는 따로 있어요. 코드네임 뒤의 가중치가 프리뷰 도중 조용히 바뀔 수 있고, 라우팅과 추론 강도 설정도 계속 손봐집니다. 어제의 80점과 오늘의 80점이 같은 모델 점수라는 보장이 없어요. 정식 출시 후 벤치는 버전이 고정되고 가격이 붙어서 성능당 비용을 잴 수 있지만, 무료 프리뷰는 그 축 자체가 없습니다.
지금 직접 써볼 수 있나요? 주의할 점은?
프리뷰 기간에는 OpenRouter에서 stealth/ox-alpha를 그대로 호출하면 됩니다. OpenAI 호환 API라 기존 코드에 모델 ID만 갈아 끼우면 되고, OpenCode 쪽 직결 경로도 열려 있어요.
다만 프로덕션에 물리는 건 권하고 싶지 않아요. 제 블로그 자동 생성 파이프라인에 OpenRouter 프로바이더를 붙이면서 같은 고민을 했는데, 결국 기본 모델은 정식 ID로 고정하고 코드네임은 수동 선택으로만 남겼습니다. 프리뷰가 끝나면 모델 ID 자체가 사라지고, 그 순간 호출이 404로 떨어지면서 배치가 통째로 멈추거든요. 무료 한 주를 얻고 새벽 자동 발행을 날리면 손해가 더 커요.
챙겨두면 좋은 조건은 이 정도입니다.
- 프롬프트와 응답이 익명 제공사 서버에 보유됩니다. 사내 코드나 고객 데이터는 넣지 않는 편이 편해요.
- “학습 미사용”은 이번 건에 붙은 표기지, 스텔스 모델의 기본값이 아닙니다.
- OpenCode 쪽은 자기 경로에 무보존을 따로 광고하는데, 이건 요청 경로의 다른 층위 이야기예요. 같은 약속이 아닙니다.
- 무료는 프리뷰 한정입니다. 정식 출시 후 가격은 완전히 다른 이야기예요.
- 응답 지연이 시간대별로 흔들립니다. 부하 테스트 중인 인프라니까요.
정체는 어떻게 추측하는 걸까요?
지문을 봅니다. 가장 강한 단서는 잘못된 요청을 던졌을 때 튀어나온 Java 스택 트레이스예요. com.wd.paas.api.domain.v4.chat.ChatCompletionRequest라는 클래스 경로가 Zhipu의 공개 API 경로 /api/paas/v4/chat/completions와 그대로 맞물립니다. 여기에 에러코드 1214(“Incorrect role information”)가 OpenRouter의 GLM-5.3·5.2·5V-Turbo와 동일하게 나왔고, 토크나이저 프로브는 30/30 일치했어요.
모델 쪽 지문도 겹칩니다. 프롬프트 25종에서 GLM-5.3과 토큰 수가 정확히 맞고 고정 +75토큰 차이만 났어요. 비디오는 초당 147토큰으로 GLM-5V-Turbo와 소모량이 같았고, 이모지 사용률도 1,000자당 약 1.3개로 GLM·Qwen 계열 패턴에 붙습니다. Ben Davis는 이걸 근거로 “99% 확신”이라고 했어요.
그래도 증거가 아니라 정황입니다. 스택 트레이스는 서빙 레이어를 가리킬 뿐 가중치를 가리키지 않아요. 검증 버그가 패치되면 그 단서는 그냥 사라집니다. 실제로 TechCrunch는 Microsoft의 미공개 MAI 설까지 함께 소개하면서 합의가 없다고 정리했어요. 참고로 Stripe의 패트릭 콜리슨은 X에 “very impressive”라고 짧게 남겼습니다.
혼자 판별해 보고 싶다면 특이 문자·이모지·SQL을 섞은 문장의 토큰 수, 거절할 때 쓰는 정형 문구, 코드 주석 스타일을 비교해 보면 재밌어요. 다만 뒤의 둘은 시스템 프롬프트로 얼마든지 덮이니 신뢰도를 낮게 잡는 게 맞습니다.
스텔스 모델 만났을 때 확인할 것
- 모델 페이지의 데이터 정책 한 줄 — 보유만인지 학습까지인지
- 컨텍스트·최대 출력 수치, 그리고 실측 지연시간
- 프리뷰 종료 시점이 공지돼 있는지
- 자동화 파이프라인의 기본 모델로 걸려 있지는 않은지
- 돌아다니는 점수의 문항 수와 출처(열 문항짜리인지 정식 벤치인지)
이름을 가린 모델의 점수, 여러분은 그대로 믿으시나요?