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 63%，此前 80% 系子集误报(6 条相关)→
「模型」频道最新
- 点评 ox 模型：像博士级勤务员的谨慎子智能体 — teortaxesTex · 2026-08-23
- Qwen3.8-27B 推出 GGUF 格式，集成推测解码加速 — z-lab · 2026-08-23
- MiniMax H3 提示词服从度太高，导致视频缺乏生动细节 — DifficultAd5938 · 2026-08-23
- 普林斯顿 i1 模型：全开源文生图方案与 300 组实验 — 机器之心 · 2026-08-23
- AI 生成文本现“费布利什”怪象：否定词错乱与宾主倒装 — alexisgallagher · 2026-08-23
- 实测：Terra 胜过 Sonnet，Flash 速度质量无敌 — cgarciae88 · 2026-08-23