Ox Alpha マルチモーダル：API セットアップガイドと主要仕様

Ox Alpha multimodal は、ソフトウェアエンジニアリング、継続的なエージェント作業、本番ワークロード、テキストと視覚コンテキストを組み合わせるタスク向けに設計された、推論重視のAIモデルです。OpenRouter では stealth/ox-alpha のスラッグで掲載されており、100万トークンのコンテキストウィンドウと、テキスト、画像、動画入力への対応が報告されています。

このモデルはプレビュー期間中、匿名のサードパーティプロバイダーによって運用されています。OpenRouter はリクエストをそのプロバイダーへルーティングしますが、自身をモデルの開発者、所有者、または上流プロバイダーとして明示していません。この区別は、サポート、可用性、データ処理、モデルの長期的な安定性を評価する際に重要です。

2026年8月22日時点で、公開リストでは、表示されているプロバイダーを通じて Ox Alpha を無料で利用できるとされています。料金や可用性は変更される可能性があるため、本番ワークロードを導入する前に、最新の Ox Alpha API 料金とプロバイダーページ を確認してください。

Ox Alpha multimodal の最大の特徴は、1つのリクエスト内で複数の入力タイプを処理できることです。公開されているクイックスタート例では、テキストによる指示に画像URLと動画URLを組み合わせ、視覚コンテンツの説明をモデルに求めています。ドキュメント化されたレスポンス形式では、テキストが返されます。

これにより、コード、スクリーンショット、図、録画セッション、視覚的な参考資料をまとめて考慮する必要があるワークフローに適しています。公開されている資料では、光学文字認識、動画理解、画像生成に関する専門的なベンチマークは確立されていません。そのため、これらの機能は前提とせず、実際のテストによって検証する必要があります。

ドキュメントで最も強く示されている用途は次のとおりです。

• アプリケーションのスクリーンショットを確認しながらコードをレビューする。
• エージェント型ソフトウェアワークフロー中の視覚コンテキストを分析する。
• 長大なプロジェクト指示や大規模なコードベースの抜粋を扱う。
• 文章による要件と画像・動画の参考資料を組み合わせる。
• OpenAI互換APIを通じて、反復的な本番タスクを支援する。

OpenRouter は、OpenAI互換のAPI形式で Ox Alpha を提供しています。主な設定変更点はモデル識別子です。アプリケーションでは stealth/ox-alpha を使ってリクエストを送信してください。多くの互換SDKは、ベースURLとモデルスラッグを変更することで適応できますが、正確な統合動作はSDKとリクエスト形式によって異なります。

基本設定では、まずAPIキーを環境変数に保存します。その後、アプリケーションでサーバー送信イベントと段階的な出力が必要な場合は、"stream": true を指定してストリーミングを有効にできます。

公開されているプロバイダー一覧では、Ox Alpha の上流プロバイダーは1社のみと報告されています。表示されたプロバイダー行では、入力と出力の料金は無料、P50レイテンシは 5.30秒、スループットは 毎秒23トークン、稼働率は 100.00% と示されています。

より広範なパフォーマンスパネルでは、利用可能な監視ビュー全体について異なる集計パーセンタイル値が報告されています。たとえば、平均P50スループットは毎秒36トークン、平均P50レイテンシは3.38秒である一方、エンドツーエンドのP50レイテンシは16.65秒と表示されています。これらの数値は同じものとして扱うべきではありません。プロバイダーのスループット、往復レイテンシ、エンドツーエンドレイテンシは、リクエストのライフサイクルにおける異なる部分を測定しています。

現在、料金は入力・出力ともに100万トークンあたり0ドルと表示され、加重平均の入力・出力価格も $0 と示されています。ただし、「無料」は恒久的な保証ではなく、現在の掲載状況として解釈すべきです。プレビューアクセス、プロバイダーの変更、利用制限、規約によって、今後の可用性が変わる可能性があります。

データ処理についても注意が必要です。掲載情報によると、プロンプトと生成結果はサードパーティプロバイダーによって保持されますが、トレーニングには使用されません。その他の利用については、適用される Stealth Model Terms に従います。機密性の高いソースコード、顧客データ、認証情報、規制対象情報を送信する前に、これらの規約を確認してください。

Ox Alpha は、マルチモーダルなコーディングやエージェント実験に適した候補となり得ます。特に、大きなコンテキストウィンドウや視覚入力が有用な場合に適しています。本番導入の判断は、公開価格や見出し上のモダリティ対応だけでなく、実際に測定したタスク品質に基づいて行うべきです。

実際のワークロードを反映した小規模な評価セットを用意してください。

• 複数ファイルにまたがるコード変更。
• スクリーンショットに基づくUI診断。
• 動画や画面セッションの解釈。
• 回復可能な失敗を伴うツール使用タスク。
• コンテキスト保持力を検証する長いプロンプト。
• 自動検証可能な構造化出力。

機密性の高いシステムでは、ユーザーとモデルの間にアプリケーション層を配置してください。認証情報をマスキングし、ツール権限を制限し、生成コードを検証し、デバッグ用にリクエストメタデータを保持します。プレビュー掲載では上流プロバイダーが匿名であるため、モデルのデータ処理に関する前提を文書化し、プロバイダーの規約が変更されるたびに見直してください。