实测 ox-alpha 通过 DeepSWE 58.4%，与 Claude Opus 持平
apples_jimmy · x · 2026-08-22
针对传闻中 ox-alpha 在 DeepSWE 基准上约 80% 的通过率，第三方进行了完整实测。结果显示，该模型在 113 个任务中实际解决了 66 个，通过率为 58.4%，表现几乎与 Claude Opus 4.8 (59%) 持平。测试还发现，9.7% 的任务失败归因于工具调用格式错误而非推理能力不足。
所属事件:Ox Alpha 完整 DeepSWE 实测约 63%，此前 80% 系子集误报(6 条相关)→
「模型」频道最新
- Anthropic 诉讼文件未脱敏，Opus 3 前内部数据质量讨论曝光 — zacharynado · 2026-10-15
- Google 官方展示 Gemini 4 Argon 攻坚内部最难工程问题 — CurieuxExplorer · 2026-10-15
- Perplexity 新 embedding 模型：大模型建索引、小模型做查询 — antoine_chaffin · 2026-10-15
- 797GB n-gram 放进 CPU 内存，小模型硬扛多 57% 算力 — PangWeiKoh · 2026-10-15
- 爆料称 Kimi 旗舰 x4 已完成预训练，K3.1 开始内部测试 — lyraxana · 2026-10-15
- Unsloth 发布 Nemotron 3.5 本地量化包:Bolt 24GB 内存可跑 — danielhanchen · 2026-10-15