GPT-5.6 Luna 对比 GPT-6 Astra：$1.20 的模型做代码评审够用吗

作者在 AI-Code-Review-Evals 组织的 50 个公开基准 PR 上，用相同的仅查 bug 提示词对比了 GPT-5.6 Luna 与 GPT-6 Astra 的代码审查表现。这 50 个 PR 分别来自 Cal.com、Sentry、Discourse、Keycloak 和 Grafana，每个各 10 个，均针对干净基线分支引入缺陷。Luna 在 50 个 PR 中验证出 69 个 bug，Astra 验证出 92 个；Luna 整轮花费 0.20 美元，Astra 花费 5.66 美元。Luna 提出 93 条发现中 24 条未通过验证，Astra 96 条中 4 条未通过，精度分别为 74% 和 96%。

验证方式为：每个 PR 中来自 Astra、Sol、Luna 及公开 Entelligence 审查评论的发现汇入一份匿名列表，由 GPT-6 Astra 与 GPT-5.6 Sol 分别对照 diff 判定，只有两位裁判都认定为真才算验证通过；两者在 91% 的发现上一致，共 143 个不同 bug 通过。作者说明，加入 Luna 的发现改变了裁判所见的池子，因此全部重新判定，Astra 的验证数从上篇的 91 变为 92，Sol 的从 107 变为 108；Astra 同时是两名裁判之一，可能略微有利于它。

按代码库看，在 Sentry、Discourse 和 Grafana，Luna 与 Astra 的验证 bug 数相差不超过两个；Cal.com 差距较大，为 21 比 30；Keycloak 差距最大，Luna 找到 6 个验证 bug，Astra 找到 14 个，Luna 在 Keycloak 的发现仅 50% 成立，Astra 为 93%。按 bug 类别，数据与逻辑类 Luna 39 个对 Astra 47 个，并发类 10 对 13，安全类 Luna 找到 24 个中的 9 个，Astra 找到 19 个。143 个验证 bug 中，44 个由两个模型共同发现，48 个仅 Astra 发现，25 个仅 Luna 发现。

作者列出的限定包括：除 10 个重复 PR 外每个模型对每个 PR 只审查一次，重复运行显示结果会在运行间变动；Astra 既是参赛者又是两名裁判之一，要求 Sol 同意可减少偏差但不能消除；所有 PR 都早于两个模型的训练截止时间，因此读者要求的按日期切分在此无法实现；两个模型只看到 diff，没有仓库历史、调用图或生产数据；验证数是所存在 bug 的下限。作者还称，若在每个 PR 上同时运行两个模型，总共花费 5.86 美元可发现 143 个验证 bug 中的 117 个（82%），即在 Astra 的 5.66 美元之上加 Luna 的 0.20 美元，多发现 25 个验证 bug。