Z.ai 确认 Ox Alpha 是新的 GLM 系列模型，并将发布其权重

原文 ↗ Hacker News 讨论 ↗

中国的 Z.ai 已确认其 Ox Alpha 模型是新的 GLM 系列变体，并将发布其权重，使其成为 DeepSeek 以及西方实验室中端专有系统的开权重竞争者。评论者表示，基于其推定规模，它在长编码和 agentic 任务上的表现很强，但也存在不稳定行为，如“doom loop”、基准不一致、推理慢，以及可能的重度量化。此次发布被视为中国实验室更广泛战略推动的一部分：开放权重、发布高性能模型，加剧竞争，并降低能够自托管的开发者成本。

模型身份与权重发布

  • 讨论串一致认为 Ox Alpha 是 Z.ai 的一款新的 GLM 系列模型；据称公司已确认，并表示权重会在“今晚”发布（GMT+8，但时区造成了混淆）。
  • 有人将其具体关联到 GLM‑5.3 / “flash” 线；关于究竟会发布什么（完整版本还是更小的变体、许可证条款）仍不清楚。

模型规模与架构

  • 目前还没有官方参数量；社区猜测范围从约 18B 活跃参数（如果像 GLM‑5.3 flash）到 200–300B 总参数不等。
  • 几位评论者强调，实用性在很大程度上取决于规模与性能的关系：如果小而强，那意义重大；如果更接近超大模型，那就只是“不错，但不特别”。

性能与基准

  • 据报 DeepSWE 得分约为 63%；有人认为这很稳，但仍低于最顶尖的前沿模型。
  • 公开基准结果喜忧参半：在 LiveBench 上表现不如一些小型 GPT 模型，但其他（非官方）网站声称接近 Fable 级别；而这些非官方站点和跑分普遍被视为不可靠或样本量太小。
  • 多条评论指出，大多数 LLM 基准只在过少任务上运行，因此统计意义有限。

上手使用反馈

  • 很多人把 Ox Alpha 用于多天的编码和重构任务；共识是代码质量和长周期工作表现很强，往往优于同类 “flash”/廉价模型，但仍落后于顶级 Claude/GPT 级别。
  • 它在重写、解释、UI 工作以及结构清晰的文稿方面表现不错；几位评论者形容它“有趣”或比某些 Anthropic 模型更易读。
  • 也有人觉得它表现平平，尤其是在复杂 bash 管道或视觉任务上。

蒸馏与训练争论

  • 争论仍在继续：Ox Alpha 是否大量蒸馏自其他专有模型；有人认为很可能是这样，另一些人则希望看到更强证据。
  • 相关研究显示，黑盒蒸馏可以接近教师模型性能，但并不能解决关于推理/长周期行为的问题。

部署、harness 与 doom loop

  • 有人报告了明显的慢推理、超时和 “doom loop”（重复命令或工具调用）问题。
  • 一些人表示，这在 GLM 模型中很常见，而且会被激进量化或较弱的 agent harness 放大；另一些人则在设计更好的 harness 中报告了稳定的长时间会话。

生态、许可与地缘政治

  • 很多人把开权重发布视为对 DeepSeek 的竞争性回应，也是中国更广泛推动开源模型的一部分，可能还受国家政策鼓励。
  • 讨论涉及限制性许可证与真正开放许可证；一些人认为为了商业需要，保留限制也可以接受。
  • 有人观察到中国模型在初创公司中的采用在增加、可通过非 NVIDIA 硬件进行低成本本地托管，以及品牌混淆日益加剧（Qwen、Kimi、GLM、Ox 等），不过也有几位否认技术用户之间真的存在混淆。
  • 也有人提到围绕中国模型的炒作周期和协调推广；另一些人则认为模型已商品化，并预计用户会持续切换到最强/最便宜的方案。