热点事件已平息

Factory对13个AI模型在50个真实开源PR上的代码审查做了统一基准测试并开源评测数据与脚本，结果显示GPT-5.2（60.5% F1，$1.25/PR）综合领先，Kimi K2.5性价比最佳

1 篇报道1 个报道来源4 月 29 日更新

先了解这件事

Factory 对 13 个模型在来自 Sentry、Grafana、Keycloak、Discourse 和 Cal.com 的 50 个真实 PR 上做了代码审查基准，每个模型至少跑 3 次。

最新进展

Factory 基准测试 13 个模型，比较 AI 代码审查的质量与成本

事件进展1

4月29日 08:00 · 1 篇报道
Factory对13个AI模型在50个真实开源PR上的代码审查做了统一基准测试并开源评测数据与脚本，结果显示GPT-5.2（60.5% F1，$1.25/PR）综合领先，Kimi K2.5性价比最佳
Factory 研究 / 产品：Factory 基准测试 13 个模型，比较 AI 代码审查的质量与成本