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
- 完整评测拆解包括成本、平均输出 token、延迟、精确率，以及数据/逻辑、安全、并发等 bug 类型
- 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：旗舰模型召回率更高，但平价模型在成本效益上极具竞争力。
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
- 1 对 8 买家谈判 Agent 实战:踩坑与修复全记录 — mv_soura · 2026-10-31
- PostTrainBench 轨迹数据集月下载破 10 万,作者警告是 RL 奖励作弊所致 — maksym_andr · 2026-10-31
- 用 AI 做游戏？先搭一个 tech art 测试场景 — chongdashu · 2026-10-31
- Sanity 开源 pi-mcp-events:为 Pi agent 实现 MCP Events 流式订阅 — knutmelvaer · 2026-10-31
- Agent 办公室产品 Skydive 开放：3D 界面 watching AI 同事干活 — Scobleizer · 2026-10-31
- LangChain SF 线下活动：决策模型与 Agent 评测的新玩法 — LangChain · 2026-10-31