Dam Secure 发布 PR 安全审查基准测试结果。测试覆盖 10 个含 planted access-control 漏洞的合成 PR，对 10 个模型各运行 5 次。GPT-5.6 Sol 实现 100% recall、0.91 F1，每 PR 成本 0.70 美元；Grok 4.5 以 0.20 美元成本进入前沿。Anthropic 所有模型均未上榜，Fable 5 成本最高却表现落后。该基准聚焦 PR diff 审查而非全代码扫描，凸显模型在增量代码安全检测中的实际性价比差异。
信源:https://docs.damsecure.ai/blog/pr-review-security-benchmark/