0x Alpha: бесплатная модель на 100 трлн токенов. Китай снова удивляет рынок ИИ

Последние несколько дней в AI-среде происходит довольно необычная история.

20 августа на OpenRouter появилась модель под загадочным названием 0x Alpha. Без известного бренда, без подробного анонса и без объяснений, кто ее разработал.

Но вместо обычного тестового запуска пользователям предложили практически невероятные условия – 100 триллионов токенов бесплатного использования и контекстное окно на 1 млн токенов.

На этом история могла бы закончиться как очередной эксперимент. Но модель неожиданно стала самой популярной на OpenRouter, обогнав DeepSeek Flash примерно в два раза.

А затем пользователи заметили еще одну странность: результаты модели, по ощущениям, становились лучше с каждым днем.

Вопрос был один: кто вообще стоит за 0x Alpha и зачем отдавать настолько мощную модель практически бесплатно?

OpenRouter уже использовал формат stealth launch – модель появляется на платформе, но разработчик некоторое время остается неизвестен.

Так запускались модели крупных лабораторий, включая Google, Anthropic и OpenAI.

Но 0x Alpha оказался необычным сразу по нескольким причинам.

Во-первых, огромный лимит – 100 триллионов токенов.

Во-вторых, контекстное окно на 1 млн токенов.

В-третьих, модель работает не только с текстом, но и с изображениями и другими типами данных.

И, наконец, пользователи начали замечать, что модель будто бы улучшается по мере ее использования.

Если воспринимать цифру в 100 трлн токенов буквально, потенциальная стоимость такого объема инференса у дорогих моделей может исчисляться десятками миллионов долларов в день.

Поэтому вопрос «кто за это платит?» выглядит вполне логичным.

Первый интересный след появился благодаря токенизатору.

У 0x Alpha обнаружились сходства с GLM – модельным семейством китайской компании , ранее известной как Zhipu AI.

Затем появились и другие совпадения.

Исследователи начали задавать модели вопросы, которые позволяют определить ее происхождение по характеру ответов. На чувствительные политические темы поведение 0x Alpha оказалось очень похоже на GLM.

Еще одна деталь – само название.

Не «zero x alpha», а именно ox alpha.

На фоне остальных совпадений это стало дополнительным поводом искать связь с китайской AI-индустрией.

А затем Bloomberg сообщил, что за загадочной моделью действительно стоит Z.AI.

То есть главная загадка, похоже, решена.

Но теперь появились вопросы гораздо интереснее.

Здесь важно немного охладить первоначальный восторг.

В первые дни вокруг 0x Alpha появились заявления о результатах около 80% на одном из подмножеств SWE-бенчмарка.

На этом фоне модель сравнивали с ведущими западными системами.

Однако при реальном использовании цифры оказались ближе к 63%, поэтому говорить, что 0x Alpha превосходит лучшие модели OpenAI или Anthropic, было бы неправильно.

Тем не менее результат остается очень серьезным.

Особенно если учитывать, что речь, предположительно, идет не о главной флагманской модели Z.AI, а о ее более компактной Flash-версии.

Именно это, на мой взгляд, самое интересное.

Согласно распространенной гипотезе, 0x Alpha может быть производной, уменьшенной версией гораздо более крупной модели.

Условно говоря, вместо гигантской модели на несколько триллионов параметров пользователю дают значительно более компактную систему, которая способна работать быстрее и дешевле.

Это хорошо объясняет сразу несколько вещей.

Модель можно раздавать практически бесплатно.

Она требует меньше вычислительных ресурсов.

Ее можно быстро масштабировать.

А главное – ее можно распространять в open-weight формате.

Получается довольно интересная стратегия: не пытаться сделать самую дорогую модель на рынке, а сделать достаточно умную модель, которую можно использовать массово и дешево.

Вот здесь начинается самая интересная часть истории.

Пользователи заметили, что одна и та же модель через несколько дней выполняет некоторые задачи лучше, чем в первый день.

Особенно это было заметно при генерации кода, работе с 3D-сценами и физическими симуляциями.

Отсюда появилась теория о continual learning – способности модели постоянно учиться на новых данных и сохранять полученные знания.

Если такая технология действительно существует и работает в полноценном режиме, последствия будут серьезными.

Современные модели обычно обучаются заранее, а затем выпускаются в виде определенной версии. Они могут адаптироваться в рамках контекста, но это не то же самое, что постоянное обучение модели новым знаниям.

Continual learning потенциально позволяет создать систему, которая учится практически круглосуточно.

Но здесь я бы пока не делал громких выводов.

Есть гораздо более простое объяснение происходящему – разработчики могли просто выкатывать новые чекпоинты модели.

То есть пользователи видели не сам обучающийся ИИ, а последовательные обновления.

Пока нет достаточных доказательств, что 0x Alpha действительно самостоятельно обучается на поступающих запросах.

У меня здесь есть два основных объяснения.

Первое – субсидирование.

Китайские AI-компании уже несколько лет активно наращивают открытые модели и давят на стоимость ИИ.

Если модель можно сделать достаточно дешевой, а затем массово распространить, она заставляет конкурентов снижать цены.

Второе – данные.

Бесплатный ИИ всегда вызывает один вопрос: если пользователь не платит деньгами, чем он платит?

OpenRouter указывает, что провайдер 0x Alpha сохраняет промпты и ответы, хотя заявляет, что они не используются для обучения.

Проверить это со стороны пользователя практически невозможно.

А объем данных потенциально огромен.

Миллионный контекст позволяет загружать в модель большие фрагменты кода, документы, проекты и другие материалы.

Именно поэтому я бы не использовал такую модель для коммерческого кода, финансовой информации, персональных документов или другой конфиденциальной информации.

Бесплатные 100 триллионов токенов – это слишком щедрое предложение, чтобы вообще не задавать вопрос о его экономике.

Мне кажется, здесь происходит интересная смена акцента.

Пользователь постепенно перестает спрашивать: «Это GPT или Claude?»

Ему важнее другое:

Насколько хорошо модель решает мою задачу и сколько это стоит?

В слепых тестах люди часто не могут надежно отличить модели друг от друга на типовых задачах.

Да, флагманские системы остаются сильнее на сложных запросах.

Но если задача заключается в написании кода, анализе документа или генерации обычного контента, разница между дорогой и более дешевой моделью может оказаться гораздо менее заметной.

Это открывает огромное пространство для китайских open-source моделей.

Тогда ситуация становится еще интереснее.

Представим ИИ, который можно запустить локально, дать ему доступ к собственным данным и позволить постоянно обучаться.

Для бизнеса это означает возможность создать специализированного AI-агента, который со временем все лучше понимает конкретную компанию.

Для обычного пользователя – персонального ассистента, который знает его рабочие процессы, документы и привычки.

Причем без необходимости каждый раз отправлять все данные в закрытую систему крупной американской лаборатории.

Это пока гипотеза, а не доказанный сценарий.

Но именно поэтому за развитием 0x Alpha стоит внимательно наблюдать.

Если посмотреть на историю DeepSeek, GLM и других китайских моделей, просматривается интересный подход.

Не обязательно постоянно конкурировать с американскими лабораториями исключительно размером затрат.

Можно создавать достаточно сильные модели, делать их открытыми, резко снижать стоимость использования и быстро распространять их среди разработчиков.

В результате интеллект становится дешевле.

А дешевый интеллект сложнее монетизировать по высоким ценам.

Для OpenAI, Anthropic и других компаний это создает дополнительное давление.

И здесь я вижу главный смысл истории с 0x Alpha.

Возможно, это не история о модели, которая внезапно стала умнее всех.

Это история о том, как быстро качественный ИИ может превратиться из дорогого продукта в дешевую инфраструктуру.

0x Alpha пока не стоит объявлять новым лидером рынка.

Результаты бенчмарков требуют осторожной интерпретации, а гипотеза о continual learning еще не доказана.

Но сам эксперимент очень показателен.

Неизвестная модель за несколько дней стала самой популярной на OpenRouter, получила огромный бесплатный лимит, миллионный контекст и привлекла внимание разработчиков по всему миру.

А теперь выясняется, что за ней, вероятно, стоит китайская Z.AI.

Для меня главный вопрос даже не в том, насколько хороша именно эта модель.

Гораздо интереснее другое – сколько еще моделей такого уровня появится в ближайшие месяцы и насколько дешево ими можно будет пользоваться.

Если китайские лаборатории продолжат выпускать сильные open-source модели быстрее и дешевле западных конкурентов, рынок ИИ будет постепенно двигаться к ситуации, где сама модель перестанет быть главным дефицитным ресурсом.

Дефицитным станет другое – качественные данные, вычислительные мощности и способность правильно встроить ИИ в реальные процессы.

А 0x Alpha может оказаться одним из первых интересных примеров этого перехода.