GLM-5.3-Flash · 社区来源 · 编辑分析

X @winkey_h：Ox Alpha 的 DeepSWE 子集体测与社区反馈

Wenqi/Kevin 分享了自己的早期体感与一个 DeepSWE 子集结果：平均每个任务约 47K 输出 token 时，Ox Alpha 得到约 **63%**。作者认为它在开源模型中处于 Pareto 前沿，与闭源模型相比仅略逊于 Grok 4.6；这属于个人测试与主观判断，不是标准化排行榜。该帖引用了 OpenCode 关于 Ox Alpha 的公开信息（1M 上下文、多模态、零数据保留），但没有给出完整 prompt 集、任务数量、运行配置或代码。它也没有证明 Ox Alpha 的 GLM-5.3 Flash 身份。

待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。

社区来源编辑分析编辑日期 2026-09-20

测试条件速查

模型/版本: GLM-5.3 Flash; exact snapshot follows the source
来源日期: 2026-08-21
方法/客户端: OpenRouter public record, Z.ai materials, or community X post; exact client follows the source
复核状态: 2026-09-20 未重新打开动态来源，数值保持未核实

关键数据与适用场景

核心内容摘要

Wenqi/Kevin 分享了自己的早期体感与一个 DeepSWE 子集结果：平均每个任务约 47K 输出 token 时，Ox Alpha 得到约 63%。作者认为它在开源模型中处于 Pareto 前沿，与闭源模型相比仅略逊于 Grok 4.6；这属于个人测试与主观判断，不是标准化排行榜。

该帖引用了 OpenCode 关于 Ox Alpha 的公开信息（1M 上下文、多模态、零数据保留），但没有给出完整 prompt 集、任务数量、运行配置或代码。它也没有证明 Ox Alpha 的 GLM-5.3 Flash 身份。

能写入落地页的版本

“早期社区测试显示 Ox Alpha 在长程编码任务上有竞争力；但 63% 来自一个 DeepSWE 子集，不能替代完整 benchmark，也不能单独证明模型身份。”

测评价值

该结果的价值是提供可追溯的个人实测数字；局限是子集、单次测试条件不透明，不能与 Z.ai 官方 GLM-5.3 v1.1 分数直接比较。

能支持的判断

Wenqi/Kevin 分享了自己的早期体感与一个 DeepSWE 子集结果：平均每个任务约 47K 输出 token 时，Ox Alpha 得到约 **63%**。作者认为它在开源模型中处于 Pareto 前沿，与闭源模型相比仅略逊于 Grok 4.6；这属于个人测试与主观判断，不是标准化排行榜。该帖引用了 OpenCode 关于 Ox Alpha 的公开信息（1M 上下文、多模态、零数据保留），但没有给出完整 prompt 集、任务数量、运行配置或代码。它也没有证明 Ox Alpha 的 GLM-5.3 Flash 身份。

不能支持的判断

作者未公开 DeepSWE 子集任务数、完整提示、运行配置、代码和重复次数；47K 输出 token 与约 63% 仅是单人快照，而且该测试没有证明 Ox Alpha 的 GLM-5.3 Flash 身份。

方法、局限和复现

本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。

需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。

原始来源

X（Twitter） · Wenqi/Kevin（@winkeyh） · 原文发布日期 2026-08-21 · 本站编辑日期 2026-09-20

打开原始来源

GLM-5.3-Flash

在 Tabbit 中比较 GLM-5.3-Flash

下载 Tabbit 客户端后检查模型可用性

测评与证据

GLM-5.3-Flash · 社区来源 · 编辑分析

X @winkey_h：Ox Alpha 的 DeepSWE 子集体测与社区反馈

待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。

社区来源编辑分析编辑日期 2026-09-20

测试条件速查

模型/版本: GLM-5.3 Flash; exact snapshot follows the source
来源日期: 2026-08-21
方法/客户端: OpenRouter public record, Z.ai materials, or community X post; exact client follows the source
复核状态: 2026-09-20 未重新打开动态来源，数值保持未核实

关键数据与适用场景

核心内容摘要

能写入落地页的版本

“早期社区测试显示 Ox Alpha 在长程编码任务上有竞争力；但 63% 来自一个 DeepSWE 子集，不能替代完整 benchmark，也不能单独证明模型身份。”

测评价值

该结果的价值是提供可追溯的个人实测数字；局限是子集、单次测试条件不透明，不能与 Z.ai 官方 GLM-5.3 v1.1 分数直接比较。

能支持的判断

Wenqi/Kevin 分享了自己的早期体感与一个 DeepSWE 子集结果：平均每个任务约 47K 输出 token 时，Ox Alpha 得到约 **63%**。作者认为它在开源模型中处于 Pareto 前沿，与闭源模型相比仅略逊于 Grok 4.6；这属于个人测试与主观判断，不是标准化排行榜。该帖引用了 OpenCode 关于 Ox Alpha 的公开信息（1M 上下文、多模态、零数据保留），但没有给出完整 prompt 集、任务数量、运行配置或代码。它也没有证明 Ox Alpha 的 GLM-5.3 Flash 身份。

不能支持的判断

作者未公开 DeepSWE 子集任务数、完整提示、运行配置、代码和重复次数；47K 输出 token 与约 63% 仅是单人快照，而且该测试没有证明 Ox Alpha 的 GLM-5.3 Flash 身份。

方法、局限和复现

原始来源

X（Twitter） · Wenqi/Kevin（@winkeyh） · 原文发布日期 2026-08-21 · 本站编辑日期 2026-09-20

打开原始来源

GLM-5.3-Flash

在 Tabbit 中比较 GLM-5.3-Flash

下载 Tabbit 客户端后检查模型可用性

测试条件速查

关键数据与适用场景

核心内容摘要

能写入落地页的版本

测评价值

能支持的判断

不能支持的判断

方法、局限和复现

原始来源

在 Tabbit 中比较 GLM-5.3-Flash

相关评测

测试条件速查

关键数据与适用场景

核心内容摘要

能写入落地页的版本

测评价值

能支持的判断

不能支持的判断

方法、局限和复现

原始来源

在 Tabbit 中比较 GLM-5.3-Flash

相关评测