Ox Alpha完整DeepSWE跑出63%,或为GLM-5.3 Flash
kimmonismus · x · 2026-08-23
@davis7 对神秘模型 Ox Alpha 完成了完整 DeepSWE 实测,最终得分约 63%,远低于其首次子集测试的 80%,整体水平大致与 GPT-5.6 Sol mid 持平。
@davis7 的详细体验:语音风格比 Claude 或 GPT 更好,设计品味不错,擅长处理 subagent 与长程复杂任务,代码质量好;但有时会留下死代码,不如 Sol 彻底,且尽管 TPS 不低,高推理档位下运行很慢、效率观感不佳。
@kimmonismus 补充观点:如果它真是 GLM-5.3 Flash,却能达到 5.6 Sol mid 的水平并可本地跑在 DGX Spark 上,那将极其划算——一个只耗电费的本地 Sol mid 级模型 24 小时可用,堪称 game changer。
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
- 新推理引擎『e』单台 DGX Station 跑出 10500 tok/s 聚合吞吐 — brandon_galang · 2026-10-16
- 英伟达 Nemotron 3.5 Super VL 上线 CoreWeave：12B 激活参数多模态 MoE，输入仅 $0.25/百万 tokens — wandb · 2026-10-16
- 爆料人称 Opus 5 或采用深度循环架构，方向仍存变数 — scaling01 · 2026-10-16
- GPT-6.1 审查 arXiv：6% 论文主定理有错，近两月降至 1.5% — nitarshan · 2026-10-16
- Nvidia 联手 Nolla 后训练 Nemotron 3.5 VL，皮肤科诊断称超越前沿 — LoganGrasby · 2026-10-16
- Gemini 4 Argon 登顶 ARC-AGI-3 达 97.5%，第二家破 95% — patience_cave · 2026-10-16