Pada 20 Agustus, daftar model OpenRouter kedatangan satu baris baru: stealth/ox-alpha. Kolom penyedia hanya menulis Stealth, dan halaman deskripsinya cuma berisi satu kalimat: model ini dikembangkan dan dioperasikan oleh pihak ketiga yang memilih tetap anonim. Spesifikasinya justru diumumkan penuh — jendela konteks 1.048.576 token, output maksimum 131.072 token per permintaan, input bisa berupa teks, gambar, dan video, serta mendukung function calling dan output JSON. Di kolom harga, dua angka nol berjajar: input dan output sama-sama 0 dolar AS per satu juta token.
Label Harga Dua Angka Nol
Melihat pola trafik lebih berguna daripada membaca spesifikasi. Di papan peringkat aplikasi OpenRouter, deretan teratas yang mengirim beban kerja ke Ox Alpha adalah Hermes Agent, Claude Code, dan omp — semuanya kerangka agen, tidak satu pun jendela chat biasa. Halaman model mencatat latensi P50 6,70 detik, throughput 20 token per detik, ketersediaan tiga hari 99,50%, dan uptime 99,99%. Kecepatan segitu akan dikeluhkan pengguna di produk chat, tapi tidak ada yang peduli kalau tugasnya berjalan semalaman.
Gratis di sini lebih terasa seperti menukar biaya inferensi dengan jejak eksekusi. Konteks 1 juta token ditambah input video, lalu dijalankan berulang dalam loop agen yang memanggil tool berkali-kali, adalah kombinasi jenis permintaan paling mahal yang ada. Penyedia menanggung biaya ini karena yang mereka incar adalah proses lengkap: model memanggil tool lima puluh kali berturut-turut di dalam satu repositori nyata, gagal, mencoba lagi, sampai akhirnya semua test lolos berwarna hijau. Data semacam ini nyaris tidak ada di korpus publik, dan tidak bisa didapat hanya dengan menaikkan skor benchmark. Angka error tool-calling sekitar 4,45% yang tercatat di halaman model hanya bisa terukur akurat kalau proyek nyata dari pengguna sungguhan yang memberi makan sistemnya.
Hitungan kasarnya: kerangka agen bisa menghabiskan ratusan ribu token dalam satu tugas saja. Seorang developer yang memakai layanan gratis ini selama seminggu penuh, tanpa sadar sudah menghemat biaya inferensi penyedia senilai satu paket data berlabel — lengkap dengan konteks bisnis nyata dan contoh kegagalan asli.
Jejak Digital Mengarah ke Zhipu AI
Dua hari setelah rilis, komunitas sudah mempersempit dugaan mereka. Sebuah error membocorkan stack trace sisi server yang memuat jalur com.wd.paas.api.domain.v4.chat.ChatCompletionRequest, cocok dengan penamaan API di dokumentasi publik Zhipu AI. Kode error 1214 bisa direproduksi di model seri GLM milik OpenRouter, tapi tidak muncul pada model dengan nama sama yang dihosting DeepInfra. Uji tokenizer dijalankan dalam 30 kelompok, mencakup berbagai sistem penulisan, emoji, kode program, dan SQL — dan ke-30 kelompok itu semuanya cocok dengan pola tokenisasi GLM. Orang yang melakukan perbandingan ini memberi tingkat keyakinan 0,98 pada kesimpulannya, mengarah ke salah satu varian GLM-5.3. Dugaan sekunder mengarah ke tim MiMo milik Xiaomi. Semua ini masih inferensi dari luar — sampai sekarang belum ada pihak yang mengakuinya.
Untuk skor benchmark, baru ada sampel yang tersebar. Seorang developer bernama Ben Davis mencatat skor 80% di DeepSWE; pada putaran yang sama, Fable meraih 65% dan GPT-5.6 Sol 52%. Hasil dari satu orang dalam satu putaran jelas belum bisa jadi kesimpulan, tapi sejalan dengan pola trafik yang ada: yang datang memang mayoritas agen coding.
Rilis Anonim Jadi Semacam Strategi Peluncuran
Model anonim di OpenRouter bukan hal baru. Dua model berkode nama Hunter dan Healer pernah menempuh jalur yang sama: dirilis gratis tanpa identitas untuk sementara waktu, lalu belakangan diklaim oleh tim MiMo Xiaomi dan diberi daftar harga resmi. GLM-5 dan MiMo-V2-Pro juga pernah muncul dengan cara serupa.
Polanya sudah cukup konsisten untuk disebut sebagai strategi peluncuran tersendiri — selama masa anonim, penyedia mengumpulkan data dan membangun reputasi sambil menghindari perbandingan ramai-ramai yang biasa terjadi di hari peluncuran resmi. Begitu posisi di papan peringkat dan reputasi di kalangan developer sudah cukup kuat, barulah topeng dilepas dan model beralih ke skema berbayar.
Untuk penyedia asal China, ada manfaat tambahan. Ketika sebuah model tampil dengan label laboratorium China tertentu, reaksi pertama developer di luar China sering kali langsung terpaku pada asal-usulnya. Saat identitas tersembunyi, penilaian jadi murni soal kualitas kode. Begitu identitas akhirnya terungkap, ulasan-ulasan positif itu sudah lebih dulu tertulis di forum dan media sosial.
Konsekuensi dari layanan gratis ini tertulis di halaman kebijakan. Kolom kebijakan data OpenRouter menyebutkan bahwa prompt dan hasil keluaran disimpan oleh penyedia, dengan janji hanya tidak dipakai untuk melatih model — sementara jalur koneksi langsung via OpenCode justru mengklaim retensi data nol. Kedua pernyataan ini tidak konsisten sepanjang rantai permintaan yang sama. Memakainya untuk proyek open source risikonya kecil, tapi sebelum memasukkan seluruh repositori privat perusahaan ke jendela konteks 1 juta token itu, baris kecil ini wajib dibaca dulu.
Selama masa preview, OpenRouter hanya menyebutnya sebagai eksperimen dengan waktu terbatas, tanpa memberi tanggal berakhir. Kapan topeng anonim ini dilepas, dan berapa harga yang akan dipatok setelahnya, sampai sekarang belum ada kepastian dari siapa pun.
Sumber: halaman model OpenRouter dan kebijakan data penyedia, CocoLoop, catatan perbandingan jejak digital dan thread benchmark publik dari komunitas developer; jendela konteks, output maksimum, latensi, dan throughput mengacu pada halaman model OpenRouter, sedangkan skor DeepSWE berasal dari uji satu putaran oleh satu developer.