50 真实 PR 实测:GPT-6 Astra 抓 92 个 bug,GPT-5.6 Luna 以 3.6% 成本追平 75%
entelligenceai17 · reddit · 2026-09-14
Entelligence 团队在 Cal.com、Sentry、Discourse、Keycloak、Grafana 五个开源项目的 50 个真实 PR 上做了代码审查基准：
- GPT-6 Astra 确认发现 92 个 bug，GPT-5.6 Luna 为 69 个
- 但 Luna 以仅 3.6% 的成本捕获了 75% 的已确认 bug
- 报告按 bug 类型（数据/逻辑、安全、并发）、精确率、延迟、平均输出 token 做了拆解，结果经过独立验证
- 团队预告下一期做 Astra vs Fable 5.1 对比，征集评测改进建议
结论指向：旗舰模型在召回上有明显优势，但小模型在成本效益上非常能打。
所属事件:GPT-6 Astra 与 GPT-5.6 Luna 代码审查基准实测出炉(2 条相关)→
「编程与Agent」频道最新
- Gym-Anything 引入审计 Agent,专门用合法动作破坏环境找错 — wellecks · 2026-10-30
- CMU 用 Agent 自动造 200+ 软件环境,Gym-Anything 拿 GDP 数据选题 — wellecks · 2026-10-30
- Cloudflare 不肯做,开发者自研工具实现 Durable Objects 零停机迁出 — samgoodwin89 · 2026-10-30
- 两分钟面试法：用一条 prompt 让 Grok 帮你搭两个定制 bot — nateliason · 2026-10-30
- Cursor、Harvey 为何自训专用模型：多数细分市场养不起专属大脑 — MartinGTobias · 2026-10-30
- Scenario 开源 3D OS：80 项技能让编码 Agent 直通 Blender 和 Unreal — Scobleizer · 2026-10-30