1 milyon token bağlamlı Ox Alpha, 175 soruda yüzde 28'de kaldı

Ox Alpha (Ox Alpha), ücretsiz fiyatlandırması ve 1 milyon token'ı aşan bağlam penceresiyle geliştirici topluluğunun mercek altına girdi. Claude Fable 5'ten (Claude Fable 5) daha iyi olduğu yönünde iddialar da ortaya atıldı, ancak kamuya açık değerlendirme sonuçları test yöntemine göre değişkenlik gösterdi.

OpenRouter (OpenRouter), 24'ünde (yerel saatle) model sayfasında Ox Alpha'yı kodlama, uzun soluklu ajan görevleri ve üretim ortamına yönelik bir akıl yürütme modeli olarak tanıttı. Modelin kimliği 'stealth/ox-alpha' olarak listelenirken, fiyatlandırma hem girdi hem çıktı için 1 milyon token başına 0 dolar, bağlam uzunluğu ise 1,05 milyon token olarak gösterildi.

OpenRouter, modelin anonim bir üçüncü taraf sağlayıcı tarafından geliştirilip işletildiğini belirtti. Platform yalnızca istekleri yönlendirdiğini, modelin geliştiricisi ya da sahibi olmadığını, istem ve yanıtların sağlayıcı tarafında saklandığını açıkladı.

İlgi yalnızca ücretsiz fiyatlandırmayla sınırlı kalmadı. Bağımsız tanıtım sitesi oxalpha.com, Ox Alpha'nın 1.048.576 token bağlam, 131.072 token azami çıktı ile metin, görsel ve video girdisini desteklediğini duyurdu.

Aynı site, 10 gerçek kodlama görevinden 8'ini Ox Alpha'nın çözdüğünü öne sürdü. Karşılaştırma olarak Claude Fable 5 için yüzde 65, GLM-5 için yüzde 62, GPT-5 için yüzde 52 ve Grok 4 için yüzde 62 rakamları da paylaşıldı.

Ancak bu sonucu genel bir performans üstünlüğü olarak okumak güç. Bağımsız bir başka kıyaslama deposu, LiveCodeBench release_v6 setindeki 175 soruyu tek denemelik koşulda değerlendirdiğinde Ox Alpha'nın yüzde 28,0 pass@1 skoruyla 49 soruyu doğru yanıtladığını bildirdi.

Söz konusu depo, kendi test koşullarında Ox Alpha'nın 'frontier' konumlandırmasından çok daha küçük bir modele benzediği yorumunu da ekledi. 10 görevlik örneklem ile 175 soruluk kıyaslamanın örneklem büyüklüğü ve koşulları farklı olduğundan aynı sonuca işaret etmesi garanti değil.

Karşılaştırılan Claude Fable 5, Anthropic'in (Anthropic) 9 Haziran'da tanıttığı bir model. Anthropic resmi sayfasında erişimin 1 Temmuz'da yeniden sağlandığını duyurdu; fiyatlandırma girdi için 1 milyon token başına 10 dolar, çıktı için 1 milyon token başına 50 dolar olarak açıklandı.

Claude Fable 5, kodlama ve uzun soluklu ajan görevlerini öne çıkan kullanım alanları olarak sunuyor. Ox Alpha'nın aynı alanı hedeflemesiyle iki model geliştirici topluluğunda doğrudan karşılaştırma konusu haline geldi.

Modelin arkasındaki geliştirici kimliğine dair tahminler de sürüyor. TechCrunch (TechCrunch), ilk tahminlerin Çinli Z.ai'nin GLM ailesine yöneldiğini, ardından Microsoft'un (MSFT) MAI olasılığının da gündeme geldiğini aktardı.

Ancak resmi açıklama hâlâ anonim üçüncü taraf sağlayıcı düzeyinde kalıyor. Coinbase'in (COIN) tahmin piyasasında da 'Ox Alpha'nın arkasında hangi şirket var' sorusunu soran bir etkinlik açıldı, ancak tahmin piyasası fiyatı resmi bir doğrulama anlamına gelmiyor.

Kullanım verileri erken ilgiyi ortaya koyuyor. OpenRouter'ın 2026 Ağustos ayı kodlama modelleri sıralamasında Ox Alpha, 7,51 trilyon token ile ikinci sırada yer aldı; araç çağırma (tool-calling) modelleri listesinde ise 16,7 trilyon token ile görüldü.

OpenRouter, bu sıralamanın gerçek kullanım verisine dayandığını belirtiyor. Ancak kullanım hacmi performans onayıyla eş anlamlı değil; ücretsiz sunum koşulunun erken dönem çağrı hacmini yukarı çekmiş olabileceği de göz önünde bulundurulmalı.

Model yönlendirme platformları, birden çok yapay zeka modelini tek bir API üzerinden karşılaştırıp çağırmayı sağlayan altyapılar. Geliştiriciler fiyat, bağlam uzunluğu, girdi biçimi ve araç çağırma desteğine bakarak modeller arasında geçiş yapabiliyor; ancak üretim ortamında veri saklama koşulları ve sağlayıcı güvenilirliği, performans kadar önem taşıyor.

Bu gelişme, OpenRouter'da anonim yapay zeka modeli Ox Alpha'nın ücretsiz test biçiminde yayına alındığını aktaran önceki haberimizle bağlantılı bir sürecin devamı niteliğinde. O dönemki tartışma anonim yayın biçimi ve işletim koşullarıyken, bu kez performans iddiaları ve bağımsız değerlendirme sonuçları birlikte mercek altına alındı.

Ücretsiz ve anonim bir modeli gerçek iş süreçlerine bağlamayı düşünen kullanıcılar için asıl belirleyici unsur veri işleme koşulları. OpenRouter, istem ve yanıtların sağlayıcı tarafında saklandığını açıkladığına göre, şirket içi kod ya da müşteri verisinin dolaştığı ortamlarda fiyattan önce işletim koşullarının kontrol edilmesi gerekiyor.