产品定位
Fledge Alpha 是 2026 年 10 月初在 OpenCode 上线的匿名免费 stealth 模型，没有厂商署名，官方目录页对规格标注为 Unknown。它定位于面向开发者和 AI 爱好者的实验型工具，以 0 美元免费提供，并且只能在 OpenCode 客户端内使用，不面向公开 API 或独立网页入口。其匿名属性和未知规格让社区更倾向于把它视为一个可供测试、对比和探索的 stealth 模型，而非已正式发布、有明确服务承诺的商业产品。上线两天内用户从 1 人增至 1818 人，也说明社区对这类匿名免费模型有强烈关注。

核心功能
官方目录声称它支持 100 万 token 上下文和 131k 输出，具备推理能力与视觉支持，推理强度分为 low、high、max 三档。社区实测显示，在与同为匿名模型的 Space Bunny 同题库对比中，它取得数学 6/6、逻辑 4/4，Python 代码可执行检查 61/61 通过；最大上下文实测约 106.8 万字符，约 368k tokens，并能从约百万字符中成功提取 12/12 隐藏密钥。不过 16 次尝试中有 3 次超时，说明长上下文和复杂任务下仍可能出现稳定性波动。

技术特点
Fledge Alpha 的规格标注为 Unknown，但社区反馈其世界知识与复杂推理较强，中文提问时思维链为中文。身份推测方面，有分析通过分词器指纹判断它并非单一基础模型，而是多模型路由器，至少分发到 3 个后端，疑似包括 DeepSeek V4.1、Kimi K3 以及一个未识别模型，并经 sglang 网关服务。相关分析还推测其可能为中国团队自托管开源权重，但置信度低，因此这些结论只能作为观察，不能当作官方确认。

适用场景
它适合在 OpenCode 工作流中进行长文档分析、代码生成与执行检查、数学和逻辑题验证、视觉理解测试以及中文复杂推理问答。由于支持最高约百万 token 级别上下文，也可用于从超长材料中检索隐藏信息、密钥或关键条款。免费和匿名特性使其适合开发者做横向评测、压力测试和模型身份探索。但考虑到规格未明、实测有超时、身份推测置信度低，不建议直接用于对稳定性和合规性要求很高的生产环境。