Hunter Alpha以1万亿参数量与100万token的超长上下文窗口成为焦点。该模型支持图像、文本等多模态输入，但输出形式限定为文本，输出速度达每秒48token。其核心优势在于针对智能体场景的深度优化，尤其在复杂任务拆解、长期规划与多步骤推理方面表现突出。有开发者实测发现，该模型在处理需要跨领域知识整合的连续任务时，能保持逻辑连贯性超过200个交互轮次，这一特性使其被视为智能体工作流开发的理想工具。
另一款模型Healer Alpha则展现出不同的技术路径。其26.2万token的上下文窗口虽小于Hunter Alpha，但每秒93token的输出速度引发关注。社区通过参数激活量估算模型规模，推测其实际参数量约为Hunter Alpha的40%-50%。该模型强调全模态交互能力，除文本外，在视觉场景理解、音频信号解析与实体操作指令生成方面表现突出。测试案例显示，Healer Alpha能同时处理视频流、环境声音与用户语音指令，并生成可执行的操作序列，这种能力在机器人控制与AR交互领域具有应用潜力。
两款模型均以匿名形式发布，技术文档仅标注"Stealth Provider"字样。但通过分析模型架构特征与历史上线记录，社区将目光聚焦于智谱AI。此前该机构曾以匿名方式发布Pony Alpha模型，后证实为GLM-5的早期版本。此次新模型在参数规模与模态支持上的跨越式升级，与智谱AI近期公布的研发路线图高度吻合。有开发者对比模型输出风格后指出，Hunter Alpha的文本生成模式与GLM系列存在相似性，而Healer Alpha的多模态交互逻辑则符合智谱AI在OmniModel项目中的技术描述。
目前OpenRouter平台允许用户免费体验这两款模型，但所有交互数据将被记录用于模型优化。这种开放策略既为开发者提供了测试机会，也引发对数据隐私的讨论。技术伦理专家提醒，超长上下文模型可能涉及更敏感的用户信息处理，平台需明确数据使用边界。尽管身份尚未确认，两款模型已吸引超过3万名开发者申请API密钥，部分企业开始探索将其应用于智能客服、工业质检等场景。随着更多测试报告流出，这场关于模型身份与性能的猜测游戏仍在持续。