อยู่ๆ โมเดลปริศนาชื่อ Ox Alpha ก็โผล่ขึ้นมาในรายชื่อโมเดลบน OpenRouter แพลตฟอร์มรวม AI หลากหลายค่ายให้เรียกใช้งานผ่าน API ได้ในที่เดียว โดยไม่มีชื่อบริษัทผู้พัฒนา ไม่มีเอกสารแนะนำ และไม่มีแล็บ AI ไหนออกมารับว่าเป็นคนสร้าง

จากนั้นชื่อเดียวกันนี้ก็ไปโผล่บน OpenCode เครื่องมือ AI ช่วยเขียนโค้ดผ่านเทอร์มินัล พร้อมเปิดให้ทดลองใช้ฟรีประมาณ 1 สัปดาห์ แถมสเปกที่ติดมาด้วยก็ไม่ธรรมดา เพราะให้ Context Window หรือพื้นที่รับข้อมูลต่อรอบสูงถึง 1,048,000 token ทำให้เราโยนโค้ดทั้งโปรเจกต์เข้าไปให้อ่านได้สบายๆ และยังรับข้อมูลเป็นวิดีโอได้ด้วย ขณะที่โมเดลตัวท็อปส่วนใหญ่ในตลาดยังรับได้แค่ข้อความกับรูปภาพเท่านั้น

จากการทดสอบของช่อง RandomAI ที่จับมันมาลองเขียนโค้ดโจทย์ยากๆ ทีละข้อ พบว่าผลงานของ Ox Alpha อยู่ในระดับสูสีกับ Claude Fable 5 และ GPT-5.6 ซึ่งเป็น 2 โมเดลตัวท็อปที่คนในวงการใช้กันเป็นหลัก

คำถามตอนนี้จึงไม่ใช่เรื่องความเก่ง แต่คือ "ใครเป็นคนปล่อยมันออกมา?" และ "เราจะวางใจใช้มันได้แค่ไหน?"

Context 1 ล้าน token กับการรับวิดีโอที่โมเดลอื่นยังทำไม่ได้

สเปก 3 อย่างของ Ox Alpha พอจะบอกใบ้ให้เรารู้ว่า คนที่อยู่เบื้องหลังน่าจะไม่ใช่ผู้เล่นธรรมดาๆ

ข้อแรกคือ Context Window ขนาด 1,048,000 token ทำให้เราโยนโค้ดทั้งโปรเจกต์เข้าไปให้มันอ่านได้ในคราวเดียว แต่ตัวเลขในสเปกก็เป็นแค่เพดานสูงสุด เพราะในการใช้งานจริง เมื่อใส่ข้อมูลเข้าไปจนเกือบเต็ม ความเร็วและประสิทธิภาพอาจจะลดลง ซึ่งเรื่องนี้ต้องไปวัดกันจริงว่า context ยาวแล้วช้าตรงไหน

ข้อที่สองคือ รับข้อมูลเป็นวิดีโอได้ จุดนี้น่าสนใจมาก เพราะโมเดลชั้นนำส่วนใหญ่ที่เปิดให้ใช้ทั่วไปยังรับได้แค่ข้อความกับภาพนิ่ง การที่โมเดลนี้ประมวลผลวิดีโอได้ แปลว่าผู้พัฒนาต้องมีทั้งชุดข้อมูลและทรัพยากรเซิร์ฟเวอร์มหาศาลระดับแถวหน้าของวงการ

ข้อที่สามคือ นโยบายไม่เก็บข้อมูลผู้ใช้อย่าง Zero Data Retention ฟังดูปลอดภัย แต่ก็ต้องระวัง เพราะนี่เป็นเพียงคำเคลมที่ยังไม่มีใครเข้าไปตรวจสอบได้จริง ถ้าเป็นโมเดลของค่ายใหญ่ เรายังพอมีบริษัทให้เรียกร้องความรับผิดชอบหรือตรวจสอบนโยบายความเป็นส่วนตัวได้ แต่กับ Ox Alpha เราไม่รู้แม้กระทั่งชื่อคนสร้างด้วยซ้ำ

แต่สิ่งที่ชี้ชัดที่สุดว่าผู้พัฒนามีทรัพยากรและความพร้อมแค่ไหนคือ โควตาการใช้งาน โดยในช่วงทดสอบฟรีนี้ OpenCode ระบุว่ารองรับการใช้งานได้สูงถึง 100 ล้านล้าน token ต่อวัน โดย token คือหน่วยนับปริมาณข้อความที่โมเดลอ่านและเขียนออกมา

การเปิดให้ใช้งานฟรีขนาดนี้ ไม่ใช่แคมเปญการตลาดของสตาร์ทอัพหน้าใหม่แน่นอน เพราะเบื้องหลังคือต้นทุนค่าไฟและค่าเซิร์ฟเวอร์มหาศาลที่มีคนยอมจ่ายให้

3 โจทย์ทดสอบ: ทำได้ยอดเยี่ยมตรงไหน และยังพังตรงไหน

โจทย์แรกคือการสั่งให้สร้างฉาก Voxel Art ซึ่งเป็นภาพ 3 มิติที่ประกอบจากบล็อกลูกบาศก์คล้ายเกม Minecraft ในธีมสวนญี่ปุ่นที่มีเจดีย์และต้นซากุระ โดยมีเงื่อนไขว่าโค้ดทั้งหมดต้องรวมอยู่ในไฟล์ HTML ไฟล์เดียว ผลลัพธ์ที่ได้คือฉาก 3 มิติที่หมุนมุมกล้องรอบตัวได้อัตโนมัติ ปรับแสงตามช่วงเวลาเช้า-สาย-บ่าย-ค่ำได้ และมีปุ่มเปิด-ปิดเอฟเฟกต์กลีบซากุระปลิว

แต่ฉากนี้ก็ไม่ได้สมบูรณ์แบบร้อยเปอร์เซ็นต์ เพราะฝูงนกที่บินอยู่บนฟ้ากลับมีรูปทรงบิดเบี้ยวผิดเพี้ยนอย่างเห็นได้ชัด นี่คือธรรมชาติของงานที่ AI เขียน แม้ภาพรวมจะดูสวยงามน่าประทับใจ แต่รายละเอียดปลีกย่อยที่เราไม่ได้กำหนดไว้เป๊ะๆ มักจะมีจุดหลุด ถ้าไม่เปิดดูอย่างละเอียดทีละมุม ก็อาจมองข้ามไปได้ง่ายๆ

โจทย์ที่สองยากขึ้นไปอีกขั้น คือการสั่งให้เขียนโปรแกรมจำลองการไหลของของเหลวขึ้นมาใหม่ทั้งหมด โดยห้ามใช้ไลบรารีสำเร็จรูป และต้องเขียน Shader สำหรับประมวลผลภาพบนการ์ดจอขึ้นมาเองตั้งแต่ต้น ผลลัพธ์ที่ได้ทำงานได้ลื่นไหล แถมยังมีแผงควบคุมให้ปรับได้ทั้งความหนืด อัตราการสลายตัว ความหมุนวน ขนาดหยดน้ำ และชุดสี

ผลงานในโจทย์นี้น่าประทับใจมาก เพราะทำได้เทียบเท่ากับโมเดลระดับท็อปอย่าง Claude Fable 5 หรือ GPT-5.6 และบางจังหวะยังทำได้เนียนกว่าด้วยซ้ำ

โจทย์ที่สามคือการสร้างเกมแข่งรถยิงปืนแบบ 3 มิติในไฟล์ HTML ไฟล์เดียว มีระบบเก็บไอเทมตามทาง ทั้งอาวุธและไอเทมเร่งความเร็ว ตัวเกมที่ได้สามารถเล่นได้จริง และให้ความรู้สึกเหมือนเกมขนาดเล็กที่ทำเสร็จสมบูรณ์ ไม่ใช่แค่โค้ดต้นแบบครึ่งๆ กลางๆ

และทั้งหมดนี้มาจากโมเดลที่เรายังไม่รู้แม้กระทั่งว่าใครเป็นคนสร้าง

วิธีทดลองใช้งาน Ox Alpha ใน OpenCode และ OpenRouter

วิธีที่ง่ายและเร็วที่สุดคือเข้าไปที่หน้าเลือกโมเดลใน OpenCode แล้วเลือกโมเดล Ox Alpha free unlimited เท่านี้ก็เริ่มสั่งให้เขียนโค้ดได้ทันที

จุดที่ปรับแต่งได้มีเพียงค่าเดียวคือ Reasoning Effort หรือระดับความลึกในการคิดของโมเดล ซึ่งปรับได้ตั้งแต่ Low, High ไปจนถึง Max หรือจะปล่อยไว้ที่ค่าเริ่มต้นก็ได้ ถ้ายังไม่แน่ใจ แนะนำให้ใช้ค่าเริ่มต้นไปก่อน แล้วค่อยปรับเพิ่มขึ้นเมื่อต้องเจอกับโจทย์ที่ซับซ้อนขึ้น

อีกทางเลือกคือเรียกใช้ผ่าน OpenRouter โดยตรง ซึ่งก็มี Free Tier ให้ใช้เช่นกัน ส่วนจะเลือกช่องทางไหนก็ขึ้นอยู่กับรูปแบบการใช้งานของคุณ:

• ถ้าต้องการเขียนโค้ดและรันดูผลลัพธ์ทันที: แนะนำให้ใช้ OpenCode เพราะสะดวกและมีโควตาทดสอบให้ใช้อย่างจุใจ
• ถ้าต้องการต่อเข้ากับระบบหรือเครื่องมือเดิมผ่าน API หรืออยากเปรียบเทียบกับโมเดลอื่นในที่เดียว: OpenRouter จะตอบโจทย์และคล่องตัวกว่า

อย่าให้โมเดลเป็นพยานยืนยันตัวเอง

เมื่อมีคนลองสั่งให้ Ox Alpha แนะนำและอธิบายที่มาของตัวเอง สิ่งที่มันทำกลับไม่ใช่การตอบข้อความสั้นๆ ทั่วไป แต่มันสร้างหน้าเว็บขึ้นมาทั้งหน้า พร้อมระบุว่าตัวเอง "ยังไม่ยืนยันตัวตน" ใส่รายชื่อองค์กรที่ต้องสงสัย 5 แห่ง และสร้างระบบโหวตจำลองให้ผู้ใช้เลือกว่าค่ายไหนน่าจะเป็นผู้สร้างมันขึ้นมา

"No maker claimed me, so I claimed myself" คือข้อความที่โมเดลเขียนใส่หน้าเว็บของตัวเอง

สิ่งที่เห็นดูเหมือนจะเป็นเบาะแสที่น่าสนใจ แต่ความจริงแล้วไม่ใช่เลย ตัวระบบโหวตสามารถกดซ้ำได้ไม่จำกัดและไม่ได้เชื่อมต่อกับฐานข้อมูลจริง ตัวเลขคะแนนโหวตและข้อความขีดฆ่าที่ดูเหมือนบันทึกการสืบสวนลับ ล้วนเป็นสิ่งที่โมเดลแต่งขึ้นมาเองทั้งหมด

หลักการนี้ใช้ได้กับ LLM ทุกตัว ไม่ใช่แค่กับ Ox Alpha เพราะโมเดลภาษาไม่มีทางรู้ข้อเท็จจริงเกี่ยวกับสถานะของตัวเอง มันไม่ได้อ่านสัญญาหรือเอกสารตอนพัฒนา และไม่รู้ว่าเซิร์ฟเวอร์ที่กำลังรันมันอยู่เป็นของบริษัทใด เมื่อมีคนถามว่า "ใครสร้าง" โมเดลก็แค่หยิบคำมาเรียบเรียงเป็นเรื่องราวที่ดูน่าเชื่อถือและเข้ากับบริบทที่สุดขึ้นมา ซึ่งมักเป็นคนละเรื่องกับความจริง

หนึ่งในข้อสันนิษฐานที่ถูกยกขึ้นมาคือ Ox Alpha อาจเป็นโมเดล Gemini 3.5 Pro ของ Google ที่นำมาแอบทดสอบเงียบๆ ก่อนเปิดตัวจริง โดยข้อสันนิษฐานนี้มาจากการสังเกตสเปกและพฤติกรรมการตอบสนองของโมเดลจากมุมมองคนภายนอก ไม่ใช่ข้อมูลที่ตัวโมเดลบอกเอง แต่ตราบใดที่ยังไม่มีค่ายไหนออกมายอมรับอย่างเป็นทางการ เรื่องนี้ก็ยังคงเป็นแค่การคาดเดา

ของฟรีระดับท็อป 1 สัปดาห์: คุ้มค่าแค่ไหน และอะไรคือความเสี่ยง?

ข้อดีนั้นชัดเจนมาก เพราะนี่คือโอกาสให้เราได้ทดลองใช้โมเดลประสิทธิภาพสูงระดับสูสีกับตัวท็อปในตลาดได้ฟรี โดยแทบไม่ต้องกังวลเรื่องการประหยัด token ซึ่งเป็นโอกาสที่ไม่ได้มีให้เห็นบ่อยนัก

แต่ข้อจำกัดสำคัญคือ ความไม่แน่นอนและระยะเวลา ช่วงเปิดให้ทดสอบฟรีนี้มีเวลาแค่ประมาณ 1 สัปดาห์ (ตอนที่คุณกำลังอ่านบทความนี้ บริการฟรีอาจจะสิ้นสุดลงไปแล้วก็ได้) อีกทั้งการที่ไม่มีแล็บไหนออกมารับเป็นเจ้าของ ทำให้ไม่มีเอกสารคู่มือทางเทคนิคอย่าง Documentation หรือคำตอบที่ชัดเจนว่าหลังจากหมดสัปดาห์นี้ โมเดลจะยังเปิดให้ใช้ต่อหรือไม่

ต่างจากโมเดล Open Source และโมเดลที่มีผู้พัฒนาชัดเจนอย่าง GLM-5.2 โมเดลเขียนโค้ดที่เปิด weights ให้โหลดไปรันเอง ที่เรารู้ที่มา รู้เงื่อนไขสัญญาอนุญาต และวางแผนนำไปปรับใช้กับงานจริงได้อย่างมั่นใจ ส่วน Ox Alpha นั้นยังไม่มีความชัดเจนในจุดเหล่านี้เลย

ดังนั้น สิ่งสำคัญจึงไม่ใช่คำถามที่ว่า "ควรลองเล่นดูไหม" แต่คือ "ควรนำไปใช้กับงานประเภทไหน" ถ้านำมาใช้เพื่อทดลองไอเดียใหม่ๆ เทียบความสามารถกับโมเดลเดิมที่ใช้อยู่ หรือช่วยเขียนโปรเจกต์ทดลองที่ไม่มีข้อผูกพันระยะยาว การเปิดใช้งานตอนนี้ถือว่าคุ้มค่ามาก แต่ถ้าคิดจะนำไปผูกเข้ากับระบบหลักหรือโปรเจกต์ที่ต้องส่งมอบลูกค้า ความเสี่ยงอาจไม่ใช่ค่าบริการโมเดล แต่เป็นความเสียหายถ้าวันหนึ่งโมเดลนี้หายไปกะทันหันจนงานสะดุด

สุดท้ายแล้ว โมเดลปริศนาที่ไม่มีชื่อค่ายแปะไว้ ทำให้เราต้องกลับมาประเมินประสิทธิภาพของ AI ด้วยวิธีที่ตรงไปตรงมาที่สุด นั่นคือการดูจากผลลัพธ์จริงที่มันสร้างขึ้นมาบนหน้าจอ ซึ่งจริงๆ แล้ว นี่ก็น่าจะเป็นมาตรฐานที่เราควรใช้ประเมินโมเดลทุกตัวมาตั้งนานแล้วเช่นกัน

---

ที่มา: คลิป Ox Alpha Explained — Full Breakdown of the Mysterious New AI Model จากช่อง RandomAI