Ox Alpha 跑分 63%，实测代码能力与体验
AccBalanced · x · 2026-08-23
开发者 @davis7 对神秘模型 Ox Alpha 进行了 DeepSWE 基准测试，最终得分约为 63%，与 DeepSeek V4 Pro 和 Grok 4.6 持平。实测反馈显示，该模型在“语气”和设计上优于 Claude/GPT，能很好处理子代理与复杂任务，代码质量不错；但存在遗留死代码、推理高延迟下效率感低等问题。若其基于 GLM 或小参数开源模型且算力需求低，将极具性价比。
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