GPT-5.6 Luna vs. GPT-6 Astra: Reicht ein 1,20-Dollar-Modell für Code Review?

Entelligence hat GPT-5.6 Luna gegen GPT-6 Astra im automatisierten Code Review angetreten lassen - mit einem klaren Ergebnis beim Preis-Leistungs-Verhältnis und ebenso klaren Grenzen. Getestet wurden 50 öffentliche Pull Requests aus Cal.com, Sentry, Discourse, Keycloak und Grafana, jeweils mit absichtlich eingeschleusten Defekten. Beide Modelle erhielten identische Prompts auf denselben Diffs.

Die Zahlen

Luna kostet 0,20 Dollar pro Million Input-Tokens und 1,20 Dollar pro Million Output-Tokens; Astra liegt bei 10 beziehungsweise 50 Dollar. Pro Review bedeutete das 0,0041 gegen 0,113 Dollar - ein Faktor von 28.

• Verifizierte Bugs: Luna 69, Astra 92 (Luna fand 75 Prozent der Astra-Funde für 3,6 Prozent des Geldes)
• Präzision: Luna 74 Prozent, Astra 96 Prozent - rund jeder vierte Luna-Kommentar war falsch
• Sicherheit: Luna fand 9 von 24 Security-Bugs, Astra 19
• Tempo: Luna brauchte 23 statt 36 Sekunden pro Review

Die interessante Erkenntnis: Kombinieren statt auswählen

Von den 143 verifizierten Bugs fanden beide Modelle gemeinsam nur 44. Astra allein entdeckte 48 weitere - aber auch Luna allein fand 25 Bugs, die Astra verpasste, darunter 16 Logik- und Datenfehler und 4 Concurrency-Bugs. Beide Modelle auf jedem PR zu betreiben hätte 117 der 143 Bugs (82 Prozent) gefunden - für insgesamt 5,86 statt 5,66 Dollar. Die 20 Cent Luna-Aufschlag liefern also 25 zusätzliche verifizierte Bugs.

Fazit des Benchmarks

Luna reicht für alltägliche Korrektheits-Bugs - deutlich nicht aber für Authentifizierungs- und Berechtigungscode, wo ein verpasster Bug am teuersten kommt. Das Fazit von Entelligence: Luna für die Routine, das große Modell für sicherheitskritische Reviews. Methodik, Prompts und Rohdaten sind öffentlich hinterlegt.

Original: Entelligence