Ox Alpha glm：2026年ベンチマークランキングと分析

Ox Alphaは、2026年8月にOpen Codeを通じて登場した、匿名で掲載された言語モデルです。利用可能な資料では提供元が公に確認されておらず、そのためモデルの正体自体が性能と同じくらい重要な話題になっています。

このモデルは、100万トークンのコンテキストウィンドウ、マルチモーダル入力、データ保持ゼロ、期間限定の無料アクセスを提供すると報告されています。これらの機能により、大規模なリポジトリ、膨大な技術文書、長時間にわたるエージェントセッション、マルチモーダル推論タスクに適している可能性があります。

ただし、最も重要なのは、報告された機能と確認済みの製品仕様を区別することです。公開されている情報はOpen Codeでの掲載内容とテスト結果を説明していますが、正式なモデルカード、公式変更履歴、提供元による発表が存在することを示すものではありません。Ox Alphaは、完全に文書化された本番プラットフォームではなく、評価対象として扱ってください。

動画のハイライト：

• Ox Alphaが報告したKingbenchの結果とリーダーボード上の順位
• GLM 5.3、Fable 5、Qwen 3.8 Max、Opus 4.8との比較
• GLMファミリーに属する可能性についての調査
• このモデルがエージェント型コーディング向けに調整されている可能性

公開されている性能指標として最も強力なのは、報告された**Kingbench 87.5%**のスコアです。これは80件中70件の成功結果から算出されたもので、引用されたリーダーボードでは、91.25%のGLM 5.3に次ぐ2位となりました。

この比較では、Ox Alphaが広く話題になっている複数のモデルを上回ったと報告されています。Fable 5、Qwen 3.8 Max、Opus 4.8を上回るスコアを記録しました。Ox Alphaは、長期的なテスト実績を持つ既存の一般公開モデルではなく、新たに登場したステルスモデルとして扱われていたため、この結果は注目に値します。

個々のタスクの傾向も重要です。報告された満点タスクには、3JSのコンタクトレンズケース、Panda SVG、難度の高い数学の順列問題、Gemmaのファインチューニングタスクが含まれていました。一方、折りたたみテーブルや3D腕時計のタスクでは低いスコアが見られました。これらは視覚的推論や空間認識が求められるため、結果のばらつきが大きくなりやすいタスクです。

2つ目の比較では、10タスクのDeep SWAサブセットが使用されました。Ox Alphaは約80%を記録した一方、GLM 5.3とGrok 4.6は62%、GPT 5.6 Soulは52%と報告されています。サンプルはわずか10タスクで構成されているため、この結果は普遍的なランキングではなく、有用な傾向として解釈すべきです。

特に注目された結果の1つが、Marriottタスクです。Ox Alphaはこのタスクを1回の試行で解決したと報告されています。一方、GLM 5.3、GPT 5.6 Soul、Grok 4.6は、それぞれ4問中0問という結果でした。単一タスクでの勝利は強みを特定するうえで役立ちますが、より広範な分野でのテストに取って代わるものではありません。

有力な出自に関する説では、Ox Alphaは次世代の統合型マルチモーダルGLMである可能性があるとされています。報告された調査では、この説に約90%の確信度が割り当てられていましたが、公式な確認ではありません。

最も有力な手がかりは、動画エンコーダーのフィンガープリンティングから得られました。管理されたテストでは、複数のシナリオにおいてGLM 5V Turboと一致するトークン数が得られたと報告されています。確認された類似点には、フレームレートによる変化、1秒あたり約147トークンという再生時間に応じたスケーリング、フレームごとの解像度に応じたスケーリングが含まれていました。

トークナイザーの挙動も重要な手がかりとなりました。Ox Alphaは25個のプロンプトにおいてGLM 5.3と一致したと報告されています。トークン数の一致は、共通または同一の語彙を示唆する可能性がありますが、トークナイザーの類似性だけで2つのモデルが同じ提供元に由来すると証明することはできません。

応答スタイルも、絵文字を使った書式を含め、GLMやQwenファミリーの出力と似ていると説明されていました。一方、Ox Alphaは音声入力を拒否したと報告されており、これは音声入力に対応することが知られているモデルと区別するための材料として使われました。

この調査では、DeepSeek、Qwen、Xiaomi、西側の研究所など、複数の別の出自候補も検討され、否定されたと報告されています。ただし、行動上のフィンガープリントは誤解を招く可能性があり、匿名モデルのルーティングによって実際の提供元が隠される場合もあるため、これらの結論は暫定的なものにとどめるべきです。

実用的な解釈としては、Ox Alphaは一度きりの生成ではなく、エージェント型コーディング向けに最適化された、より強力なチェックポイントである可能性があります。GLM 5.3よりKingbenchのスコアは低い一方、Deep SWAサブセットでは大幅に高い結果を示したことが、この可能性を支持しています。ただし、さらなる独立テストが必要です。

Ox Alphaを評価する最善の方法は、実際の業務内容を反映したタスクでテストすることです。公開ベンチマークは参考になりますが、リポジトリのナビゲーション、デバッグ、リファクタリング、テスト作成、ドキュメントの保守では、異なるランキングになる可能性があります。

入手可能な報告では、Ox AlphaはOpen Codeを通じて期間限定で無料提供され、アクセス期間は2026年8月27日頃に終了する見込みと説明されていました。この日付は、恒久的な提供を保証するものではなく、無料期間のおおよその終了時期として示されたものです。

そのため、料金、レート制限、正式な所有者、長期的なアクセスについては、Open Codeのインターフェースまたは提供元の発表を直接確認する必要があります。後にこのモデルがGLMのリリースであると確認された場合でも、料金やデプロイ条件が以前のGLM製品と異なる可能性はあります。

Daily.devのOx Alpha分析では、報告されたベンチマーク比較の簡潔な文章による概要を確認できます。元のOx Alphaテスト動画には、より幅広いテストの議論と出自に関する調査が収録されています。

総合的に見ると、Ox Alphaは、報告された結果が異例に強い高性能なステルスモデルとして際立っています。最も魅力的な用途は、エージェント型コーディングや長大なコンテキストを扱う技術作業かもしれません。一方で、匿名の出自と限られた公開情報については、慎重な検証が必要です。研究者や開発者にとっては試す価値がありますが、本番チームにとっては、提供元と運用条件がより明確になるまで、管理された実験にとどめるべきです。