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
- Meta 发布 816B 开源模型 Muse Spark Open:42B 激活,两台 M5 Ultra Mac Studio 可本地跑 — op7418 · 2026-10-16
- Meta 开源 Muse Spark Open：816B 参数，两台 Mac Studio 即可本地运行 — op7418 · 2026-10-16
- 16 项任务实测机器人 LLM：GPT-6 Astra 成功率 17.2% 力压 Fable 5.1 — pabbeel · 2026-10-16
- Meta 开源 816B 多模态模型 Muse Spark，评论称仅次于 DeepSeek — bindureddy · 2026-10-16
- TRL 零时差支持 Muse Spark Open：64 张 H100 上 LoRA 微调 816B MoE — QGallouedec · 2026-10-16
- Muse Spark Open 评测配置曝光:与 GLM-5.3、Kimi K3、Qwen 对比时的推理参数全公开 — evijit · 2026-10-16