Linux.do 社区曝光了一组多模型代码审查的对比数据，测试场景为各模型编写代码后由 Sol 模型自动进行 Review。数据显示，不同模型在缺陷拦截与收敛轮次上表现迥异：muse-spark 发现缺陷最多（37 个），但耗时较长，聚焦于 UI 交互与状态机等复杂逻辑；DeepSeek-v4-flash 以 6 个高准确性 findings 脱颖而出，专注于安全正则与异步竞态，如 HTML 标签绕过等高危漏洞；GPT-5.6-sol 在工程规范与架构契约上表现稳健；Gemini-3.7-flash 执行速度极快，擅长补齐边缘分支逻辑。相比之下，GLM 与 Kimi 主要用于常规维护，拦截率为零。
事件分析
该测试数据验证了“大模型作为 Agent 进行自动化 Review”的可行性，并揭示了不同模型在代码工程全链路中的独特优势。DeepSeek 在安全性和竞态条件上的敏锐度，表明其在构建高鲁棒性系统方面具有不可替代的作用；而 GPT 和 Gemini 在规范与速度上的优势，则更适合作为辅助开发的快速通道。这预示着 AI 编程工具正从单一代码生成向专业化分工演进，未来的开发流程或将由擅长不同领域的“模型专家”协同完成。
核心观点：AI编程正从单一代码生成向多模型专业化分工演进，DeepSeek等模型在安全审查上的精准度将成为智能体工作流的关键一环。
原文链接：Linux.do
