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

Entelligence 在 50 个公开基准 PR 上用相同提示词对比 GPT-5.6 Luna 和 GPT-6 Astra 的代码评审能力，Luna 找到 69 个经验证 bug（Astra 92 个），总成本 $0.20 对 $5.66，精度 74% 对 96%。

Entelligence 在 50 个公开基准 PR 上，以相同提示词对比 GPT-5.6 Luna 与 GPT-6 Astra 的代码评审：Luna 找到 69 个经验证 bug，Astra 找到 92 个；总成本 $0.20 对 $5.66，精度 74% 对 96%。

• Entelligence 在 50 个公开基准 PR 上，以相同提示词对比 GPT-5.6 Luna 与 GPT-6 Astra 的代码评审：Luna 找到 69 个经验证 bug，Astra 找到 92 个；总成本 $0.20 对 $5.66，精度 74% 对 96%。
• 原贴提到：Entelligence 在 50 个公开基准 PR 上用相同提示词对比 GPT-5.6 Luna 和 GPT-6 Astra 的代码评审能力，
• 来源：entelligence.ai

这是什么信号：Entelligence 把代码评审放进 PR 级公开基准，用同一提示词对比 GPT-5.6 Luna 与 GPT-6 Astra。结果不是单一模型全面胜出，而是成本与精度分层：Luna 用 $0.20 找到 69 个经验证 bug，精度 74%；Astra 用 $5.66 找到 92 个，精度 96%。

为什么重要：代码评审是高频、上下文重、可自动化的工程环节。若便宜模型能覆盖大部分确定问题，就能把昂贵模型留给疑难判断、最终把关和高风险改动。真正要看的指标不只是“找到多少 bug”，还包括每条有效评论成本、误报率、开发者采纳率和人工复核时间。以这组数据看，Luna 成本约为 Astra 的 1/28，bug 发现量约为其 75%，但精度低 22 个百分点；它更像初筛器，而不是无监督的最终评审者。

对谁有价值：AI 编程工具与代码评审产品团队，可以据此设计模型路由；平台工程和 DevEx 团队，可以用它评估是否值得为代码评审接入多个模型；独立开发者和小团队，可以优先考虑低成本模型做日常扫描，再按风险升级。模型厂商和 API 聚合层也能看到，客户会越来越按任务和成本段选择模型，而不是只按榜单排名。

可以怎么行动：第一，拿自己仓库的历史 PR 建评测集，用相同提示词跑 Luna 与 Astra，记录有效评论、误报、成本和人工节省。第二，设计分层流程：便宜模型先扫，产出候选问题；高精度模型对高风险文件、核心模块或候选清单做复核。第三，定义业务阈值：如果误报会明显打断开发者，就不能只看低成本；如果只是内部提示，先召回再人工判断可能更划算。第四，持续跟踪模型版本、上下文长度、缓存和重试对成本的影响。

风险或限制：50 个公开 PR 样本量有限，公开基准与自有代码库的分布可能不同；“经验证 bug”的验证口径、精度计算方式、提示词细节和是否包含重试成本都会改变结论。标题中的 $1.20 与正文的 $0.20/$5.66 存在口径不一致，落地前应回到原始测试定义核对。模型名与版本也可能变化，不能把一次代码评审结果外推为通用能力结论。最关键的是，低精度会带来噪音，若没有人工兜底，可能降低团队对自动评审的信任。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 entelligence.ai 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《GPT-5.6 Luna 对比 GPT-6 Astra：$1.20 的模型做代码评审够用吗》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Hacker News：AI 热帖 原帖