AI代码审查已经成了很多团队的标配。但Claude和GPT在审查任务上的表现到底有哪些差异？我们设计了200个代码审查测试用例——100个安全类（SQL注入30+ XSS 25+ 认证绕过25+ 敏感信息硬编码20）、100个逻辑类（空指针25+ 并发安全25+ 资源泄漏25+ 边界条件25）。在TokenStar上同时让Claude Opus和GPT-5.4各审一遍。tokenstar.world 是测试平台。

综合检出率对比

Claude在安全类漏洞上的检出率整体领先——尤其是XSS（+12%）、认证绕过（+12%）、并发安全（+16%）。这三种漏洞的共同特点是需要理解代码执行流程和潜在攻击面——Claude的深度推理能力在这里发挥作用。GPT在空指针和边界条件这种更偏向"代码规范"类型的检查上略优。

但检出率高不代表完美——误报率也需要看。Claude的整体误报率（标记了但其实不是漏洞）约8%，GPT约5%。Claude更"敏感"——宁可多报也不漏报。这在安全审查中其实是优点（漏报的代价远高于误报），但如果你的团队Review时间紧张，误报率每高3个点就多花一些甄别时间。建议是Claude做安全审查（检出率优先），GPT做代码规范审查（准确率优先）。TokenStar上一个平台同时跑两个模型。