GPT-5.6 Luna ينافس GPT-6 Astra في مراجعة الكود بتكلفة أقل
كشفت تجربة مقارنة حديثة بين نموذجي الذكاء الاصطناعي GPT-5.6 Luna وGPT-6 Astra حول كفاءتهما في مراجعة الكود البرمجي عن فارق جذري بين التكلفة والدقة. أجريت الاختبارات في سبتمبر 2026 على خمسين طلب دمج عامة من مستودعات كبرى تشمل Sentry وDiscourse وKeycloak وGrafana وCal.com، بهدف تحديد مدى ملاءمة النماذج منخفضة التكلفة للمهام البرمجية المعقدة. أظهرت النتائج أن نموذج Luna يتفوق جوهرياً من حيث التكلفة والسرعة، حيث كلف تشغيله لخمسين طلب دمج دولارين وعشرين سنتاً فقط مقابل 5.66 دولار لـ Astra، ما يعكس توفيراً يفوق 96 في المئة. كما سجلت Luna متوسط وقت معالجة قدره 23 ثانية مقارنة بـ 36 لـ Astra. ومع ذلك، سجلت دقة أقل، حيث اكتشفت 69 خطأً مثبتاً من أصل 93 نتيجة بنسبة تطابق 74 في المئة، بينما اكتشف Astra 92 خطأً مثبتاً من أصل 96 نتيجة بدقة بلغت 96 في المئة. يُعد الفارق الأبرز في فئة الأخطاء الأمنية والمنطقية المعقدة، خاصة في أنظمة المصادقة والصلاحيات. فقد اكتشف Luna تسعة أخطاء أمنية فقط مقابل 19 لـ Astra، مع تراجع ملحوظ في مستودع Keycloak حيث بلغت دقة نتائج Luna 50 في المئة. وعلى العكس، أضحى Luna فعالاً جداً في رصد الأخطاء البرمجية المنطقية المتعلقة بالبيانات والتزامن، حيث التقط 39 خطأً منطقياً مقابل 47 لـ Astra. اعتمد المنهجية على مقارنة دقيقة باستخدام عاملين حكم مستقلين للتحقق من صحة النتائج، مع تأكيد تجارب متكررة لتقييم ثبات المخرجات. وكشفت الاختبارات أن تشغيل النموذجين معاً يرفع نسبة اكتشاف الأخطاء المثبتة إلى 82 في المئة بتكلفة إجمالية تصل إلى 5.86 دولار، مما يوفر حلاً وسطاً عملياً للفرق البرمجية التي تملك موارد لمعالجة التعليقات الزائدة. توصي التحليلات المتخصصة بضرورة دمج أدوات المراجعة ذات السياق الكامل لمستودعات الكود، إذ أن الاعتماد على فرق الأوامر البرمجية فقط يحرم الذكاء الاصطناعي من فهم المسارات الأمنية أو التغييرات التاريخية الحرجة. يُنصح المطورون بفرز المراجعات حسب نوع المستودع وحصة الخطر، وتوظيف النماذج الاقتصادية للتعديلات الروتينية مع تحويل المسارات الحساسة إلى نماذج متقدمة أو مراجعة بشرية متخصصة، تحقيقاً للتوازن الأمثل بين الكفاءة المالية وجودة الكود.
