Grok 4.5 与 GPT-5.
这次的代码审计实测结果挺让人意外的，原本以为 Claude 在逻辑推理和代码安全性上稳坐第一，但在处理 Pull Request 里的安全漏洞扫描时，Grok 4.5 和 GPT-5.6 的表现明显更硬核。Grok 4.5： 在识别复杂的异步逻辑漏洞方面非常敏锐，对代码上下文的敏感度极高，甚至能发现一些隐蔽的竞态条件（Race Condition）。
GPT-5.6： 综合工程能力依然是天花板，对于常见的漏洞模式（Patterns）识别极其精准，基本不会漏掉明显的安全隐患。
Claude 系列： 虽然写代码的风格最优雅，但在这种“找茬”式的安全审计任务中，显得稍微有点过于“温和”了，容易放过一些边界条件下的漏洞。
下一篇
LLM 安全网关实测：我是如何通过四轮红队测试“搞砸”自己的 →
我对比了几个模型在处理特定安全漏洞（比如注入攻击和逻辑绕过）时的召回率，结论非常直接：
对于做 DevSecOps 或者需要自动化 CI/CD 流水线的开发者来说，现在的选型逻辑得变变了。如果你的工作流里需要集成 AI Agent 来做代码审计，把 Grok 4.5 接入 pipeline 可能会比 Claude 带来更高的漏洞检出率。
如果是追求极致的工程效率，建议把这几个模型做个分层部署：用 GPT-5.6 做基础的代码规范和安全扫描，遇到复杂的逻辑审计场景再丢给 Grok 4.5 去跑。
