实测 ox-alpha DeepSWE 得分 58.4%，对标 Opus 4.8
AccBalanced · x · 2026-08-23
针对 ox-alpha 模型的完整 DeepSWE 基准测试（113 个任务）结果显示，其实际得分为 58.4%，此前传言的 80% 通过率不实。这一成绩与 Claude Opus 4.8 (59%) 基本持平。评论者认为该模型作为子代理表现良好，其视觉能力更强，且工具亲和力有助于解决边缘问题。
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
- 投资人预测:一年内模型全面强 2-3 倍、成本降 10 倍,token 用量涨 10-20 倍 — DeryaTR_ · 2026-10-16
- Google 上线全新 Gemma 文档站，页面首次亮出 Gemma 4 开放模型 — rseroter · 2026-10-16
- Respan 发布 Span-02:可随时打断的「anytime」推理模型,开源权重 — techNmak · 2026-10-16
- Meta 首席 AI 官 Alexandr Wang 官宣 Muse Spark Open 开放发布 — alexandr_wang · 2026-10-16
- Liquid AI 发布 d1-ultra 决策模型:多模态、44 种语言、榜首 65 分 — maximelabonne · 2026-10-16
- Meta 发布 Muse Spark Open：816B 总参/42B 激活，1M 上下文 — AIatMeta · 2026-10-16