GPT-6.2 双模型登 MacroscopeBench:Astra 代码审查榜第二、成本仅 1/5
film_girl · x · 2026-11-20
代码审查基准 MacroscopeBench 收录 OpenAI 新模型 GPT-6.2 Sol 与 GPT-6.2 Astra,榜单测的是各模型能否在引入 bug 的 commit 上发现真实缺陷。
关键结果:
- GPT-6.2 Astra(high effort):综合分 83.2,仅次于 Claude Opus 5.5 max effort(83.9),高 effort 档位列第一;精度高达 90%,但召回率 77.4%。单次审查成本 $2.17,耗时约 3 分钟。
- GPT-6.2 Sol(high effort):综合分 81.7,排名第 4,是该测试中精度最高的模型(91.6%),成本仅 $0.69、用时 2 分 19 秒。
- 对比之下,榜首 Claude Opus 5.5 max effort 单次成本高达 $11.58、耗时超 10 分钟。
结论:在代码审查这类重精度任务上,GPT-6.2 系列以显著更低的成本和延迟逼近 Opus 5.5 的综合表现,性价比优势明显。
「编程与Agent」频道最新
- 用户弃用 grok bot 降智版,改用编程 agent 自建个人助理 — mazzaTalk · 2026-11-20
- 前 Cloudera 工程师预告 agent 实验框架新方向 — josh_wills · 2026-11-20
- 纯代码生成黑洞事件视界动画,全片仅耗时约204秒 — RichardsonDx · 2026-11-20
- Muse 浏览器扩展上线,已有 20 万用户可直接侧边栏调用 — alexandr_wang · 2026-11-20
- FastH3 团队开源 Dreamverse Harness,Agent 驱动多镜头视频生成 — Vandy_simp · 2026-11-20
- Rex 支持跨 SSH 远程使用,一条命令即可安装服务器 — josh_wills · 2026-11-20