同一提示跨日期输出波动：Ox Alpha 版本与服务栈不确定性

一句话结论

Adit_Yah 称同一 prompt 三天后得到完全不同的代码结果，耗时从 80 分钟变为 330 分钟并生成 4,500+ 行代码；这更适合被当作服务路由、版本或采样波动的复现实验信号，而非持续学习证据。

测试环境

• 模型：Ox Alpha；客户端、提供商、版本快照、参数和完整 prompt 未公开。

• 对照时间：作者称同一任务在三天前和当天运行；未公开两次的完整时间戳、commit 或模型 ID。

• 任务：帖子视频中为同一类代码/赛车场景任务，但没有仓库、输入文件或验收脚本。

• 结果表述：当天运行 330 分钟、4,500+ 行代码；此前运行 80 分钟。评论指出第一段视频可能被 1.5 倍速播放，作者澄清视频速度与赛道不同。

原始观察

复现步骤

1. 保存完整 prompt、仓库 commit、模型 ID、提供商、客户端版本、temperature/effort、工具权限和时间戳。

2. 在同一天重复至少 5 次建立采样/服务波动基线，再在多个日期重复相同组实验。

3. 保存完整工具轨迹、输出 token、生成文件、错误、重试、总 wall-clock 和人工介入。

4. 固定或记录视频播放速度、硬件、赛道/输入资源和验收脚本。

5. 比较最终测试通过率、有效 diff、返工时间和成本，而不只比较代码行数或视频观感。

结论与适用边界

原帖支持“Ox Alpha 在短期预览期间可能出现明显的跨日期结果差异”这一待复现信号；它不能支持“模型持续学习”或“当天一定更强”。对需要稳定结果的用户，应把模型/提供商/时间窗口写入实验记录。

局限

• 没有完整 prompt、代码、测试、模型版本或请求日志。

• 两次运行没有同日重复和随机化控制。

• 视频速度与任务场景存在争议，不能直接用视频时长比较性能。