【代码评审是选“便宜大碗”还是“贵得有理”？】最新的行业评测显示，GPT-5.6 Luna虽然比GPT-6 Astra便宜28倍，但在安全性审计上几乎腰斩，且每四条建议就有一条是废话。Luna能处理基础逻辑，但在涉及权限校验等复杂上下文时，它看不见那些“没写出来的漏洞”。目前行业分歧在于：是让AI直接往PR里塞评论，还是让它作为开发者的私人助手。这不再是Token成本的算术题，而是研发效能的博弈。廉价模型的“幻觉噪音”会迅速耗尽开发者的耐心，导致真正的风险被掩盖。未来的标准配置或许不再是单一模型，而是分层治理：用轻量模型跑基础检查，用顶级模型盯防核心逻辑。最关键的禁忌是：绝不要把未经人类筛选的AI输出直接倒进协作流，那不是在帮同事，而是在制造信息垃圾。当AI开始生成代码，唯一能规模化应对的只有AI评审，但人类必须守住最后一道过滤网。