开发者实测五款AI代码审查工具，性能差异显著

我八月份写过，人类不该再把时间花在读代码上了。（TLDR：机会成本不划算。）

但这不代表你要彻底放弃代码审查。它只意味着，应该让 agent 来执行审查（以及其他形式的 agentic QA）。可问题是，用哪个 agent？提供托管代码审查服务的公司，多到你数都数不过来。

于是我采用了不科学但很流行的做法：翻手边现成的数据，具体来说，就是提交到 Jeff Dickey 那个 Rust 缓存项目 Mr. Boxington 的 PR（每个写 Rust 的开发者都该用这个项目）。

Jeff 接入了三款审查产品：Greptile、CodeRabbit 和 Cursor Bugbot，它们对开源项目都有慷慨的免费方案。我还测了开源的 Kodus 审查器，它提供低成本的 bring-your-own-keys 托管方案，也支持自托管；另外还测了 Mjolnir 的 in-harness 审查。

以下是它们在 47 个 PR 的 95 次 push 中的表现（也就是说，平均每个 PR 在合并前审查了两次 push）：

“实质性问题”主要指不正确的、用户可观察到的行为，但也包括性能回退，或者测试并没有测它声称要测的东西。误报则包括“该问题被认为不重要、不必修”，以及真正错误的发现。

简而言之：所有系统都能找出实质性问题，而不会淹没在吹毛求疵里；半年前那个问题已经解决了。

Mjolnir 和 Kodus 都由 DeepSeek Flash（high effort）驱动，但 Kodus 塞进了大量额外的上下文和结构，而 Mjolnir 只是用原版 DeepSeek-Harness，加上一段从 Codex 的 /review 命令里拿来的 prompt。

为了搞清 Kodus 是怎么把 DSF 用得更糟的，我和 Opus 一起翻看了 Kodus 的代码，发现了一堆问题，但没有哪一处明显像是“只要修了这个，Kodus 就能胜过更简单的设计”。

事实证明，一个配上 bash 的聪明模型，在代码审查上和在写代码上一样难以击败。（Mjolnir 在大约一个月前还有一个更复杂的审查器，带多个 subagent 和花哨工具；2026 年初这确实提升了审查质量，但用现代模型重新测试后，相比这里测试的简单方案，没有发现任何改进。）

Mjolnir-powered-by-DSF 的表现大致与 Greptile 相当，价格却只有后者的约 1/20。应该有人把它做成一项服务，提供给那些想让审查跑在 CI 里、而不是跑在编码 harness 里的团队。

每个审查器都发现了其他审查器没发现的缺陷。事实证明，同一个审查器多跑几遍也能找回其中不少；下面是 Mjolnir 审查的情况：

显然存在边际递减，但“并行跑多次审查、把发现合并起来”似乎是个被低估的选项。那如果你钱多得没处花呢？

我之所以把 DeepSeek Flash 作为 Mjolnir（以及 Kodus）的审查模型来展示，是因为按 API 价格算，它在成本:智能的谱系上位置独特。但如果你愿意多花钱，能拿到更好的审查吗？

答案是：不能。DeepSeek 在代码审查上强得离谱。但如果你愿意接受稍少一些的 bug 被发现，Terra 的速度快 6 倍，成本也明显更低。（因为 DeepSeek 在缓存命中定价上的巨大优势，在相对短暂的代码审查会话里没那么重要，而 Terra 在输出 token 上的节省更有意义。）

把 agentic 审查加进你的开发流程，几乎肯定能以极小的投入抓到真实的 bug；你可以花一大笔钱买托管服务，也可以用 Codex 的 /review，效果一样好、便宜得多。如果你不用 Codex，或者想让自己的 harness 在 push 前自动跑一次审查，试试 Mjolnir。经过这次评估，我们已把它的默认值更新为两次并行审查，Auto 模型的优先级顺序更新为 Terra > DSF > Haiku。