Ox Alpha 就是 GLM-5.3-Flash。8 月 27 日，名稱終於和過去一週的匿名模型對上。在身分公開前，它已經透過 OpenRouter 跑過真實程式碼庫、圖片、影片與很長的 Agent 任務。
RandomAI 影片下有位開發者留言，說自己在單次會話中完成整個版本升級工作流。這是個人經驗，不是 benchmark，卻很能解釋這次揭曉的份量：使用者早已拿它工作。現在可以在 Tabbit Browser 選擇 GLM-5.3-Flash，直接把頁面、圖片或檔案交給模型。
重點結論
Ox Alpha 於 2026 年 8 月 20 日出現在 OpenRouter，擁有 100 萬 token 上下文，提供者匿名。
它原生接受文字、圖片與影片，定位是程式設計和長程 Agent。
揭曉前，tokenizer、影片 token 預算與 Z.ai 風格錯誤碼已把身分範圍縮到 GLM 家族。
早期測評是好訊號，不是完整排行榜。
GLM-5.3-Flash 在 Tabbit 的 Chat 與 Agent 工作流中最適合處理混合頁面和視覺內容的任務。
Ox Alpha 時間線
| 日期 | 公開資訊 | 當時可以下的結論 |
|---|---|---|
| 8 月 20 日 | OpenRouter 上線 Ox Alpha | 模型真實存在，有 1M 上下文，開發者未知 |
| 8 月 21 日 | OpenRouter 官方 X 寫明文字、圖片和影片輸入 | API 原生多模態，仍不能判斷實驗室 |
| 8 月 21 至 25 日 | 指紋測試與社群資料出現 | GLM 成為最強家族歸因，產品名仍未知 |
| 8 月 25 日 | Di Zhang 點名 GLM-5.3-Flash | exact name 進入公開討論 |
| 8 月 27 日 | Ox Alpha 揭曉為 GLM-5.3-Flash | 代號與產品身分正式合上 |
8 月 23 日，TechCrunch 還在記錄 GLM、微軟 MAI 等不同推測。不能拿後來的答案，假裝前幾天沒有真的不確定。
指紋怎麼把範圍縮小
Jonathan Turner 的 8 月 26 日分析 整理了幾組較難偽裝的訊號。
| 訊號 | 結果 | 支援的判斷 | 單獨不能證明 |
|---|---|---|---|
| Tokenizer | Ox 與公開 GLM-5.3 在 50 個字串上全數一致 | GLM-5.x 詞表很可能相同 | exact weights |
| 影片 token | 4 段影片逐段匹配 GLM-5V-Turbo | 很像 GLM-V 視覺編碼器 | 就是公開 5V-Turbo |
| 服務錯誤 | Java 路徑與業務碼匹配 Z.ai PaaS v4 | 後端很像 Z.ai 服務堆疊 | 後訓練歸屬 |
| 產品卡 | Ox 是 1M + 視覺，公開 5.3 是純文字 | 很像未公開的多模態 GLM-5.x | 最終名稱 |
Google 從「誰做了 Ox Alpha」一路出現「它是不是 GLM-5.3-Flash」的問題。搜尋結果收集了爭論，真正讓推論站得住腳的仍是可重做的測量。Turner 當時只寫到 GLM 家族與 Z.ai 服務堆疊；Di Zhang 補上 exact name；8 月 27 日揭曉完成最後一步。
GLM-5.2 路線加上原生多模態
Z.ai 的 GLM-5.3 技術文章 寫得很清楚：標準 GLM-5.3 與 GLM-5.2 使用相同基座，提升來自更多可執行環境、更長任務與更多後訓練算力。想理解上一代，可先看 Tabbit 中的 GLM-5.2 和 GLM-5.1 使用方式。
GLM-5.3-Flash 將原生多模態放進這條路線。Ox Alpha 內測時，同一路由可以收文字、圖片與影片。它適合先讀 UI 截圖，再對照規格、程式碼或報告。
標準 GLM-5.3 的 DeepSWE、Terminal-Bench 分數不能直接搬到 Flash。兩者的任務定位相近，不代表 checkpoint 與測試條件相同。
社群測評能說到哪裡
Wenqi/Kevin 報告 Ox Alpha 在一個 DeepSWE 子集約 63%，平均每個任務輸出約 47K token。缺少完整任務清單、重複次數與正式榜單提交，所以它是一個有吸引力的 Agent 訊號。
Cline 用一個真實倉庫 bug 比較 Ox Alpha 與 Fable。兩者都修好，Cline 稱 Ox Alpha 約少三倍輸出 token，也較少重複同一段推理。一次修復排不了總榜，但能告訴我們這個模型是否願意在找到根因後開始動手。
想理解長程 Agent 的判斷方式，可讀 Agentic reasoning 指南。角色扮演與 preset 則看獨立的 GLM-5.3 SillyTavern 指南。
在 Tabbit 使用 GLM-5.3-Flash
開啟 Tabbit Browser。分析用 Chat，多步網頁任務用 Agent Mode。
在模型選擇器選 GLM-5.3-Flash。
輸入
@，引用頁面、分頁群組、截圖或本機檔案。寫清楚交付物、檢查項目與停止條件。
研究型瀏覽器指南 適合處理網頁、PDF 與圖表混合的任務。Tabbit 不是 IDE coding harness，也不保證內測期的免費條件永久不變；目前限額請看 Tabbit 價格。
任務選擇
| 任務 | 適合度 | 建議用法 | 邊界 |
|---|---|---|---|
| UI 截圖對照網頁規格 | 高 | @ 兩份材料，先列差異再核對 | 保留來源與視覺證據 |
| 跨網頁、圖表與 PDF 的研究 | 高 | 資料放入分頁群組，要求附引用 | 不接受無來源長文 |
| 視覺狀態驅動的瀏覽器流程 | 高 | 獨立分頁群組執行 Agent | 複核修改 |
| 大型程式碼庫修補 | 一般 | Tabbit 看文件，程式與測試留給 coding harness | 不取代 git 與 CI |
| 普通文字問答 | 可用 | 直接 Chat | 小模型可能更快 |
GLM-5.3-Flash 的價值很具體：GLM 一脈的長程推理現在可以直接處理視覺上下文。現有測試足夠支持拿真實任務試用，不足以宣布它在所有場景第一。若要對照另一個百萬上下文 coding model，可看 GPT-5.6 Sol 上下文指南。
常見問題
Ox Alpha 真的是 GLM-5.3-Flash 嗎？
是。2026 年 8 月 27 日，Ox Alpha 的身分揭曉為 GLM-5.3-Flash。在此之前，OpenRouter 只將它列為匿名的 stealth/ox-alpha；研究者已從 tokenizer、影片 token 預算與伺服器錯誤，把範圍縮到 GLM 家族與 Z.ai 服務堆疊。
GLM-5.3-Flash 和標準 GLM-5.3 是同一個模型嗎？
不是。標準 GLM-5.3 是面向程式設計與長程 Agent 的文字模型。GLM-5.3-Flash 延續這條能力路線，並原生接受文字、圖片與影片。除非 Flash 被獨立測試，否則不能直接套用標準 5.3 的分數。
GLM-5.3-Flash 從 GLM-5.2 繼承了什麼？
Z.ai 表示標準 GLM-5.3 與 GLM-5.2 使用同一個基座，提升來自擴大的後訓練，重點是程式設計、工具使用與長程任務。GLM-5.3-Flash 將這條智能路線與原生多模態輸入結合。
Ox Alpha 內測時支援哪些輸入？
OpenRouter 模型頁與官方 X 貼文顯示，它有 100 萬 token 上下文，支援文字、圖片與影片輸入，並輸出文字。它被定位為程式設計、持續 Agent 工作與生產任務模型。
Ox Alpha 的早期測評如何？
訊號不錯，但證據不完整。Wenqi/Kevin 報告 DeepSWE 子集約 63%，平均輸出約 47K token；Cline 報告一個真實倉庫 bug 兩個模型都修好，而 Ox Alpha 的輸出 token 約少三倍。
如何在 Tabbit 使用 GLM-5.3-Flash？
開啟 Tabbit Browser，在 Chat 或 Agent 任務中選擇 GLM-5.3-Flash。輸入 @ 可引用目前分頁、分頁群組、截圖或本機檔案。模型可用性與方案限額可能改變，請以目前選擇器與價格頁為準。