¿Sirve la revisión de código con LLM local? Prueba con 32 bugs reales
El CTO de DeploAI, Tsuyoshi Sodeyama, comparó modelos locales (Qwen3.8-Flash-Next y DeepSeek-V4.1-Flash) con modelos de alto rendimiento (Claude Opus 5.5, gpt-6.1-sol y gpt-6-astra) en 26 pull requests con 32 bugs reales de su propio repositorio. Con el prompt original, una pasada local detecta alrededor del 2% de los bugs, pero Qwen en 30 pasadas (unos 26 minutos) llega al 22%. Con un prompt reescrito, DeepSeek alcanza 6 a 8 bugs en 5 pasadas (unos 4 minutos), igualando o superando las 50 pasadas del prompt original. Una pasada de gpt-6.1-sol en modo medium detecta 4 de 32, y sumarle las pasadas locales eleva la cobertura a 9-10 bugs.
Qué significa
Al revisar código con IA, conviene ejecutar modelos locales baratos varias veces junto a una revisión de un modelo potente, y corregir solo los hallazgos verificados por una persona o por el modelo potente.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Zennの「生成 AI」のフィードLeer la noticia completa en Zennの「生成 AI」のフィード