代码审查用什么模型：一次 diff review 的真实成本

diff review 是一种输入密集型请求

拿一次接近真实的 review 来算：进去的是 10 万 token 的 diff、相关文件和审查要求，出来的是 2000 token 的结论。输入输出比 50:1，总价几乎完全由输入单价决定。

按各自的消费者单价（官方每 token 定价 × 该模型倍率）算这四个 id：Claude Sonnet 5 是 0.1 倍、$0.30/$1.50 每百万 token，一次 0.030 + 0.003 = 0.033 美元；Claude Opus 5 同样 0.1 倍但官方价更高（$0.50/$2.50），一次 0.055 美元；Grok 4.6（0.1 倍，$0.20/$0.60）一次 0.0212 美元；Gemini 3 Flash（0.1 倍，$0.050/$0.30）一次 0.0056 美元。

每个 PR 审一次，这点差别看不出来。但 CI 上每天跑 1000 次，就是 33 美元对 5.60 美元，差不多 6 倍。所以先弄清楚自己的 review 是什么形状，再挑模型。

export TOKEN_SHARE_KEY="<your-pool-api-key>"

git diff origin/main...HEAD | jq -Rs '{
  model: "grok-4.6",
  messages: [
    {"role": "system", "content": "Review this diff. List correctness bugs only, with file and line. If there are none, say so."},
    {"role": "user", "content": .}
  ]
}' | curl -sS https://token-share.app/v1/chat/completions \
  -H "Authorization: Bearer $TOKEN_SHARE_KEY" \
  -H "Content-Type: application/json" \
  -d @- | jq -r '.choices[0].message.content, "--- usage ---", (.usage | tostring)'

「装不装得下」和「贵不贵」是两个问题

前提是 diff 加上你附带的上下文能装进窗口。目录里的上下文分成几档：20 万（Claude Sonnet 4.6、Grok Composer 2.5 Fast、Claude Haiku 4.5 Stable）、27.2 万（GPT 5.5、5.4、5.4 Mini）、37.2 万（GPT 5.6 系列）、50 万（Grok 4.6 / 4.5），以及 100 万（所有 100 万上下文的 Claude 和全部 Gemini id）。

单个 PR 一般哪一档都放得下。真正会顶到上限的是这种 review：改动文件 + 所有调用方 + 表结构 + 设计文档一起进去——那已经属于大仓库场景，先卡住你的是窗口而不是价格。

另一个天花板在输出侧。如果 review 要逐行给修改建议而不是写一段总结，输出会很长：Grok 上限 65,536 token，较老的 GPT id 和 20 万上下文的 Claude 是 64,000，100 万上下文的 Claude 和 GPT 5.6 系列是 128,000。

让模型自己翻代码，算法就变了

上面那种一次性 review 只发一个请求。如果换成会调工具的 reviewer——读文件、grep 调用方、跑测试——每一轮都要把不断变长的对话整个再发一次，输入 token 反复计费，总额涨得比轮数快得多。

目录里所有文本模型都带 tools 能力，这套做法哪个都能跑。区别在于：Grok Composer 2.5 Fast 和 Claude Haiku 4.5 Stable 只有 text 和 tools，没有 extended thinking，其余 id 都还带 thinking。

如果 reviewer 每轮都重复同一段前缀——团队代码规范、架构说明——那段前缀就是该做缓存的部分，而不是每轮按全价重算。长工具循环的成本细节，看 agent 那一页。

别信排名，自己测

审查质量不是价格表能排名的东西。价格表能告诉你的只有一件事：每试一次要花多少钱。一次 review 在 0.0056 到 0.055 美元之间，做实验比开会讨论便宜。

找 20 个你已经知道问题出在哪的历史 PR，用同一个 prompt 跑两三个 id，然后数「真问题」和「误报」各有多少。每次 review 报六个不存在的 bug，浪费的工程师时间远超任何单价差；漏掉那个真正要命的，代价更大。

切换成本很低：OpenAI 系走 /v1/responses，Anthropic 系走 /v1/messages，Grok 和 Gemini 走 /v1/chat/completions。同一份 diff 换几个 id 跑一遍，是写个循环的事，不是迁移。

常见问题