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

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。