Z.ai揭開Ox Alpha真身：GLM-5.3-Flash匿名測試爆30.9%用量，AI資料治理成焦點

(圖/ 中華超傳媒 AI圖片)

中國AI業者Z.ai揭露，OpenRouter與OpenCode近期匿名測試的Ox Alpha其實就是GLM-5.3-Flash，這場匿名模型測試在全球AI開發者間快速竄紅，也讓模型供應商身分、資料用途與運算地點的透明度問題受到關注。

Z.ai揭開Ox Alpha謎底　匿名測試為何引發AI資料治理討論？

Z.ai、Ox Alpha與GLM-5.3-Flash的關聯正式揭曉，也讓一場原本聚焦模型效能的匿名測試，轉變成AI產業對「使用者資料究竟交給誰、在哪裡處理、能否被用於訓練」的治理討論。

Z.ai於8月26日正式發布GLM-5.3-Flash，並確認先前在OpenRouter及OpenCode以Ox Alpha名稱匿名提供的模型，正是這款新模型的測試版本。Z.ai表示，匿名測試主要是希望透過真實使用情境取得回饋；測試期間的模型推論流量，則全部由採用中國AI加速器的大型運算叢集支撐。

這項揭露的重要性，不只在於「神祕模型身分曝光」。Ox Alpha在匿名狀態下曾迅速取得大量開發者使用，使外界開始重新檢視模型聚合平台如何揭露供應商、資料政策與運算基礎設施。

Ox Alpha突然爆紅　匿名模型從「未知」變成市場焦點

Ox Alpha在8月20日前後以匿名形式出現在OpenRouter等平台，開發商身分、模型規格等資訊並未一開始完整公開。OpenRouter目前的程式設計模型排行榜仍可看到Ox Alpha曾以10.3兆token、30.9%同期用量占比排名第一。

這種匿名測試模式，讓模型可以在沒有既有品牌光環的情況下直接接受開發者實際使用。對模型開發商而言，這類方式有助於取得較接近真實環境的回饋；但對使用者而言，供應商資訊減少，也代表在選擇模型時可掌握的背景資料相對有限。

Z.ai如今確認Ox Alpha就是GLM-5.3-Flash，等於替這段匿名測試補上開發者身分。官方也說明，正式模型已公開權重，並採用MIT授權，可供開發者進一步部署與研究。

從匿名模型到正式產品　GLM-5.3-Flash主打什麼？

揭開身分後，Ox Alpha背後的技術規模也更加明確。GLM-5.3-Flash是Z.ai GLM-5系列首款原生多模態模型，總參數規模3200億，但每個token實際啟用約180億參數。模型採用結合稀疏注意力與線性注意力的架構，主要目的在於降低長上下文推論時的運算成本。

Z.ai表示，模型具備文字、影像等多模態處理能力，並以較低推論成本為主要產品定位。官方公布的測試結果顯示，GLM-5.3-Flash在多項程式設計及代理型任務測試中優於前代GLM-5.2；不過相關數據屬於Z.ai公布的測試結果，與第三方獨立評測仍應區分看待。

正式發布後，GLM-5.3-Flash模型權重也已上架Hugging Face，代表開發者不必只能透過雲端API使用，而有進一步自行部署的選項。

真正引發討論的不是模型　而是「資料去了哪裡」

這起事件另一個值得注意的層面，是匿名模型服務與資料治理之間的落差。當使用者透過模型聚合平台送出程式碼、文件、商業資料或其他提示內容時，除了模型本身的能力之外，供應商身分、資料保存政策、是否用於訓練，以及實際處理資料的地理位置，同樣是企業與開發者評估服務時的重要條件。

原先Ox Alpha採匿名方式提供服務，使用者知道內容會經由匿名供應商處理，卻無法從模型名稱直接判斷實際開發商。這也使「匿名測試是否應同步揭露資料處理規則」成為值得討論的治理問題。尤其當模型背後涉及不同國家及地區的AI基礎設施時，資料跨境處理與法規遵循的重要性會進一步提高。

中國AI晶片成為另一個關鍵訊號

Z.ai此次特別披露，Ox Alpha匿名測試期間的推論工作，是由大規模中國AI加速器叢集提供。Z.ai表示，為克服中國AI晶片在記憶體容量與頻寬等方面的限制，團隊針對推論系統進行優化，在相同硬體條件下，端到端服務效能較初始基準提高約3倍，並宣稱每token處理成本可接近主流NVIDIA GPU。

這項資訊的產業意義在於，AI競爭已不再只是模型參數規模或訓練資料的競爭，模型架構、推論軟體、AI加速器與資料中心基礎設施也逐漸形成完整競爭鏈。

不過，Z.ai公開資訊主要說明使用中國AI加速器的大型叢集，並未因此證明匿名測試期間所有使用者資料都在中國境內處理。兩者不能直接畫上等號。

資料處理地點仍是未解問題　不能從一般政策直接推論

目前公開資訊顯示，Z.ai的一般隱私政策及API資料處理文件涉及新加坡服務與資料處理安排，但這些文件針對的是Z.ai自身服務與API，並不能直接用來確認Ox Alpha經由OpenRouter、OpenCode測試時的實際資料處理地點。

因此，截至目前，Ox Alpha匿名測試期間的實際資料處理地點仍缺乏足夠公開資訊確認。這也是這起事件與一般AI模型發布最大的不同。模型名稱揭曉只是第一層答案；對企業使用者而言，更重要的問題是資料如何流動，以及不同平台、模型供應商與基礎設施業者之間的責任如何劃分。

AI模型匿名測試　未來可能面臨更高透明度要求

匿名模型並非沒有存在價值。對AI公司而言，隱藏品牌可以降低既有聲譽對測試結果的影響，讓開發團隊取得較接近真實使用情境的回饋；對平台而言，也能建立新的模型測試與評估機制。

但當模型開始被大量使用後，匿名就不只是產品測試策略，而會涉及使用者知情權、企業資料安全、跨境資料處理與供應商責任。尤其AI模型已逐漸被用於程式開發、企業文件、客服、研究與代理型工作，使用者輸入內容的敏感程度也同步提高。未來模型平台若持續提供匿名或隱藏供應商服務，如何讓使用者在不揭露商業機密的情況下，仍取得足夠的資料治理資訊，可能成為AI服務競爭的新標準。

此次Ox Alpha事件也提供一個鮮明案例：模型效能可以透過排行榜快速被看見，但資料治理往往必須等到模型身分揭露後，才真正成為市場討論的核心。

MGBOX NEWS

中華超傳媒

(文/ 記者 郭紋雅)