Post

🚨 8月25日最新情况： 今天出现了一个非常重要的“降温因素” DeepSWE 80% “击败 GPT-5.6 / Claude” 这个传播最广的数字，现在不能再当成确定事实。 最新报道指出，最初的80%结果是非常小样本的测试；后续更大规模测试的结果约在 63% 左右，因此不能简单说它“碾压 GPT-5.6”。 这意味着： Ox Alpha仍然很强 但是： “全球无敌模型”这个叙事已经被削弱。 这是一个短线情绪层面的轻微降温。 反过来，有一个数据非常漂亮 真实使用量。OpenRouter现在的 Ox Alpha 页面已经能看到它被大量 Agent/Coding 工具调用： * Hermes Agent：3.35T tokens * Claude Code：1.65T * DeepSeek Harness：1.38T * omp：1.06T * pi：526B 也就是说： Ox Alpha不是单纯靠媒体炒作，它确实被真实开发者大量使用。 这对我来说非常重要。 因为真正有价值的不是： Benchmark 80% 而是： 全球开发者愿意拿它实际干活。