日本のAIプラットフォームでGLM・DeepSeekなど7モデルのコードレビュー性能を検証する

GLM、DeepSeekなど7つのAIモデルのコードレビュー性能を検証した記事。低価格や1Mコンテキストといったスペックだけでなく、実際の不具合検出能力とコストパフォーマンスを評価。Codexによる監査結果、精度は52.1〜85.3%の範囲であった。

• 日本のAIプラットフォームがGLM、DeepSeekなど7つのAIモデルのコードレビュー性能を検証した。
• 低価格や1Mコンテキストといったスペックだけでなく、実際の不具合検出能力とコストパフォーマンスを評価軸とした。
• Codexによる監査結果では、モデルの不具合検出精度は52.1%から85.3%の範囲であった。
• 実際のコードレビューにおける各モデルの有効性と費用対効果を比較検討する上で参考となるデータを提供している。