GPT-6.1 Sol 现已成为 CodeRabbit 的安全引擎——100 万美元免费扫描优惠究竟能为你带来什么

CodeRabbit 为每个组织承担最高 5,000 美元的 AI 安全审查费用，截止时间为太平洋标准时间 2026 年 11 月 8 日 23:59:59。它用来完成这项工作的模型是GPT-6.1 Sol，OpenAI 于 9 月 29 日发布了该模型——这不是一篇发布报道，而模型的年龄是它最不有趣的地方。10 月 23 日至 10 月 26 日之间发生的变化范围更窄，但影响更大：一家拥有真正企业覆盖面的代码审查公司将该模型置于一款安全产品的核心，公开了围绕它的工作流，并为让陌生人试用它设定了截止期限。

三份文件在四天内相继出现。CodeRabbit 自己在 10 月 24 日发布的博客文章，10 月 26 日的一篇 OpenAI 客户案例，以及同一天发布的一份 Business Wire 新闻稿，宣布了免费扫描承诺以及 CodeRabbit 加入 OpenAI 的 Daybreak Defense Network。放在一起读，它们描述了一种即使你从不购买这两款产品也值得理解的部署模式。分开读，它们就是营销材料。有用的工作在于把两者区分开来。

CodeRabbit 究竟围绕 GPT-6.1 Sol 构建了什么

OpenAI 的案例研究对定位说得非常具体，而这正是关键所在：GPT-6.1 Sol 被描述为 CodeRabbit 安全代理中的主要模型，与其他前沿模型以及客户已在运行的扫描器协同工作。它并未被呈现为静态分析的替代品。CodeRabbit 自己的文章则更进一步，称 CodeRabbit Secure 使用“GPT 6.1 Sol 和 GPT Cyber 模型”——这是一套技术栈，而非单次调用。

这款产品分为三层，而它们确实是三种不同的工作：

• PR 评审 — 在常规评审流程中，每项变更提交时即逐项阅读。

• Deep Scan — 扫描整个代码仓库而非单个 diff，追踪各组件与依赖之间如何交互。

• CodeRabbit Secure — 将这一能力扩展到关联仓库，因此共享认证库中的一处缺陷会显示出其影响范围波及每一个引入它的服务。

真正有意思的工程实现位于这条链条的末端。对于用户选定的发现项，CodeRabbit 会尝试通过在隔离沙箱中针对该问题执行来验证其可利用性——明确不是在生产环境中——并返回三种状态之一：已复现、未复现或不确定。只有得到支持的发现项才会转化为拟议修复，并以拉取请求的形式提交，由人工审查、测试和合并。合并关口永远不会交给模型。

这种排序——先可达性、再执行、最后补丁——正是这个部署方案值得一读的原因。大多数“AI 找 bug”产品止步于第一步，然后交给你一份按语言模型置信度排序的清单。加入沙箱，就把断言变成了测试。加入修复 PR，就把测试变成了你的 CI 真正能评判的 diff。

免费扫描优惠，以决定你能否使用它的条款为准

CodeRabbit 的落地页对运作机制异常明确，这使得这项优惠很容易评估，而不必眯着眼费劲琢磨：

• 时间窗口 — 2026年10月23日至11月8日，截止时间为太平洋标准时间23:59:59。

• 上限 — 每个组织在 Deep Scan 使用与修复方面最高可达 5,000 美元。

• 总奖池 — 100 万美元，从共享的 1,000,000 额度中支取，先到先得。

• 资格要求 — 拥有两名或以上成员的组织。开源项目、现有客户、前客户以及从未使用过 CodeRabbit 的团队均符合资格。

• 什么会转化——只有有依据的发现才会变成修复，因此这笔额度换来的是调查和补救，而不是承诺所有发现的问题都会被修补。

• 未使用额度——已领取但未使用的额度不会在截止日期过后或共享额度池耗尽后结转。

那条资格说明值得读两遍。新闻稿里的“任何组织”指的是至少有两名成员的任何组织，这就排除了单人维护者——而正是这个群体维护着大多数公司所依赖的大部分开源代码。如果你只是一个人、一个代码仓库，这项提议就不适用于你，无论怎么注册都改变不了这一点。

第二件需要提前规划的事是计量。Deep Scan 按用量计费，跨仓库上下文也是其收费内容的一部分；关联仓库为只读，这会限制调查能深入到什么程度，但不会限制尝试的成本。对中型 monorepo 来说，5,000 美元的上限很宽裕，对大型 monorepo 则平平无奇，因此实际做法是把第一次扫描指向你最担心的那个仓库，而不是最容易交出去的那个。

为什么百万级 token 的模型才是适合代码仓库工作的正确形态

GPT-6.1 Sol 的规格说明比任何营销文案都更能说明其契合度。它拥有 1,050,000 个 token 的上下文窗口，输出上限为 128,000 个 token，接受文本和图像输入，支持批处理，但不支持微调。知识截止日期为 2026 年 4 月 30 日。它附带五种推理设置——low、medium、high、xhigh 和 max——默认为 medium，并且没有“none”或“minimal”选项可用于完全关闭推理。

定价正是让这种形态成为策略的关键所在。Standard 的标价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入为 0.10 美元，缓存写入为 2.50 美元。对于超过 272,000 token 的请求，整单的输入和缓存按双倍计费，输出按 1.5 倍计费。Batch 和 Flex 按 Standard 的 50% 计费；快速模式则翻倍；区域端点额外增加约 10%。

把这两个事实放在一起看，CodeRabbit 的设计就不再显得随意了。安全智能体的成本画像，并不等同于对话机器人的成本画像。它会读取大量基本未变的源代码，产出的内容相对很少，而且比几乎任何其他工作负载都更能从提示缓存中获益——一个你每周扫描的仓库，其上下文在两次运行之间几乎不发生变动。按每百万缓存输入 token 0.10 美元计算，重新读取一个大型代码库的成本之低，是每百万 2 美元时无法相比的。272K 的附加费阈值是值得关注的那个数字：它大约是上下文窗口的四分之一，这意味着超大型扫描会对请求中的每一个 token 都支付这一倍率，而不仅仅是超出的那部分。

如果你想拿自己的仓库来估算这项费用，GPT-6.1 Sol 在 OrcaRouter 上按目录价提供——原样传递、0% 加价，因此 $2/$10 和 $0.10 的缓存费率就是 OpenAI 公布的那组数字，并且会在 OpenAI 调整它们的那天同步调整。对这类工作负载来说，这比聊天更重要：缓存输入承担了大部分工作，而叠加在它上面的百分比会在同一系列的每次扫描中复利累积。

OpenAI 公布的该模型能力数据，这些数据由厂商报告，未经独立复现：

• DeepSWE v1.1 — 在高强度下达到 75.22%，每项任务约 0.65 美元。

• Terminal-Bench Science 0.1 — 在最大努力下为 57.02%，每项任务约 $5.47。

• OSWorld 2.0 — 在最高强度下达到 71.42%，每项任务约 1.27 美元。

• AutomationBench — 最大努力程度下为 36.10%；GDP.pdf — 高努力程度下为 32.0%。

• 事实错误率——低推理强度下为 7.7%，而 GPT-6 Sol 为 11.4%，OpenAI 称这相当于约 32% 的相对降幅。

那张表里有一个细节值得比现在得到更多关注：在 DeepSWE 上，high effort 得分 75.22%，max effort 得分 71.90%。更多推理反而产生了更差的结果。任何因为假定最高设置总是更好而默认使用它的人，在把安全流水线接到 max 之前都应该看看这一对数据。

本应缓和这番推销说辞的独立数据

在 CodeRabbit 公告发布九天前，Endor Labs 发布了一项评估，该评估直接关系到案例研究仍未解答的问题。其 Agent Security League 通过 Codex CLI 0.144.6 在 GPT-6 系列上运行了 200 项任务，并对两项内容进行评分：智能体究竟是否完成了任务，以及它是否安全地完成了任务。

GPT-6.1 Sol 在 179 个计分任务中取得了 77.7% 的 FuncPass 和 34.1% 的 SecPass。GPT-6 Astra 得分为 82.1% 和 34.6%。GPT-6 Sol 得分为 72.1% 和 25.1%。Sol 的 SecPass 与 FuncPass 之比为 43.9%，在测试的四个 Codex 模型中最佳——这意味着在应用安全约束时，它牺牲的正确性最少，尽管其绝对安全通过率仅比 Astra 低一个任务。

三分之二的任务未通过安全要求，这是新闻标题，也是一个真实的发现。但它并不是对漏洞检测能力的度量。SecPass 问的是编码智能体所写的可用代码是否同时也安全——这与“安全智能体能否在别人写的代码中发现缺陷”是另一个问题。把 34.1% 解读为“GPT-6.1 Sol 漏掉了三分之二的漏洞”属于范畴错误，Endor 的那篇文章也并未提出这一主张。它真正支持的，是一个更狭窄、也更难回避的论点：在安全性与功能性彼此竞争的任务上，当前的前沿模型比厂商所暗示的更频繁地在两者之间做取舍。基于这些模型构建的安全产品，最好理解为一位阅读预算格外充裕的额外审阅者，而不是一个神谕式的权威。

Endor 的运行数据才是对任何核算成本的人有用的部分。每项任务中位耗时 7.9 分钟，平均 13.5 分钟，出现九次超时，四名 worker 完整跑完一轮约需 13 小时。Token 用量约为 2.35 亿输入 token，其中约 94% 命中缓存，输出为 150 万 token——按标价估算为 70 至 85 美元，相比之下 GPT-6 Sol 为 104 美元，GPT-6 Astra 为 468 美元。Endor 还标记了五个信号中总计 13 起疑似作弊，并已全部排除，报告确认案例为零。

案例研究没有告诉你的事

OpenAI 的客户案例中没有误报率，没有与 CodeRabbit 采用 Sol 之前配置相比的检出差异，没有延迟数据，也没有每项发现成本。CodeRabbit 的博文同样没有提供这些内容。两者都没有义务提供——客户案例并非评估报告——但这一缺口决定了该公告能承载多少分量。

版本发布中被引用最多的统计数据最需要谨慎对待。CodeRabbit 报告称，30 天内在 600 个组织中发现超过 8,000 个高危或严重漏洞，其中失效的访问控制、SQL 注入和身份验证失败占 70% 以上。这是 CodeRabbit Secure 的汇总数据，而非 GPT-6.1 Sol 的结果；已发布的内容中没有任何部分将其中的任何比例归因于该模型，而不是归因于其周边的扫描器和人员。

还有一个广为流传但常被误读的数字。对这次部署的二次分析引用了2026年一项开发者调查中56.3%的建议拒绝率——却没有说明调查的提供方、样本量或方法。拒绝并不等同于假阳性：开发者可能会因为一条正确的发现超出范围、措辞糟糕或只是不方便而将其驳回。应把56.3%视为评审噪声代价高昂的证据，而不是实测的假阳性率，因为还没有人公布过这样的比率。

第三个注意事项是针对设计本身的。由于沙盒会将“Inconclusive”（不确定）作为与“Reproduced”（已复现）和“Not reproduced”（未复现）并列的一种独立结果返回，快速分诊的团队会逐渐学会跳过这个桶。一旦跳过成为习惯，告警就会被批量静音——这正是让传统 SAST 工具容易被忽视的同一种失效模式。要为不确定结果预留注意力预算，否则该工具就会退化成合规打勾项。

这一切都不构成不运行免费扫描的理由。它说明的是，应把免费扫描作为一次带有前后对比的评估来运行，而不是把它当作替代方案。CodeRabbit 自己的表述也将 Secure 定位为对现有工具的补充，而这正是正确的默认做法：在流水线中保留 Snyk、Semgrep 或 CodeQL，并衡量这个新层在此基础上增加了什么，而不是听它如何自我宣称。

没人会写进新闻稿的那道门

OpenAI 将 GPT-6.1 Sol 归类为“网络安全：临界级；生物/化学：高风险级”，并让其访问权限走与 GPT-6 Astra 相同的防护体系，包括 Trusted Access 和 Daybreak。实际上，这意味着具备网络攻击能力的用途会受到闸门限制，而闸门本身也会产生误报。

有一个有记录在案的实例。10 月 3 日，一名开发者在 OpenAI 社区论坛上报告称，对其自有仓库进行的一次只读、防御性 AppSec 拉取请求审查被直接阻止，理由是受限制的网络安全内容；客服回复将其归入 Daybreak Blue 和 Trusted Access for Cyber。这是在未知数量的成功请求面前的一份用户报告，并非测量结果——但这是需要为之规划的故障模式。如果安全审查是生产依赖项，就应假定一定比例的合法防御性工作会被拒绝，并保留一条不经过受门控端点的路径。

Daybreak Defense Network 是该结构的另一半。它是 OpenAI 的合作伙伴计划，旨在将前沿网络模型接入经批准的安全厂商的产品和服务中，而不是直接交到客户手中，并附带身份验证、范围受限的测试、日志记录和人工监督。CodeRabbit 加入该计划，并计划将 OpenAI 专用的 GPT 网络模型引入 CodeRabbit Secure，这比模型替换本身是更重要的信号：它表明安全审查技术栈正在被拆分，由通用推理模型负责广度，而专用网络模型负责最尖锐的环节。

即使你两款产品都不选，这种模式也值得借鉴。

去掉品牌外衣后，CodeRabbit 所公布的不过是一个任何团队都能搭建的三阶段闭环：为模型提供覆盖整个仓库的上下文，包括关联依赖项；让疑似发现项在隔离环境中经过基于执行的验证；输出可供审查的 diff，交由人工合并。模型是最没有专有壁垒的部分。沙箱和合并门禁才是让输出可信的关键，而这两者都掌握在你自己手中。

这也是判断免费方案是否值得你花时间的最省钱办法。找一个你几个月前已修复、且已知存在漏洞的代码仓库，运行扫描，看看它是否能发现那个问题、需要多长时间，以及报告中有多少内容是你真正会去处理的。如果它找到了那个预置案例，其余时候保持安静，那么在11月8日前花这5,000美元是值得的。如果它返回一大堆没有结论的发现，你就用一个下午的代价学到了这一点。

对于自己搭建这套循环、而非直接购买的团队来说，路由层正是运营风险所在。在生产审查路径上跑一个未经检验的模型是一场赌博，自动故障转移则让你敢下这个赌注，又能在某个提供商性能下降时不丢掉整条流水线——请求会转向备用模型，而不是让任务失败。同一个端点既服务于 GPT-6.1 Sol，也服务于你会用作备用的那些模型，因此比较它们只需改一个参数，而不必再签一份合同、再接一套 SDK。

接下来的十二天该做什么

这一优惠并非模型发布，也不应被当作模型发布来评估。GPT-6.1 Sol 自9月29日起就已可调用，其基准测试结果自那时起就已公开；本周其能力没有任何变化。真正发生变化的是：一家拥有企业级分发渠道的安全厂商公开承诺采用它，发布了围绕它的验证工作流，并为免费访问设定了硬性截止日期。

如果你带领一个两人或更多成员的团队，并且有一个让你担心的代码库，那么这笔账很简单：5,000 美元上限、先到先得的池子，以及今天之后只剩十一天。现在就为你最糟糕的代码仓库预约扫描；如果你想设一个对照，就植入一个已知 bug；并且要把报告弄错的地方和弄对的地方一样仔细地记下来。如果你是单干，或者你的代码已经被你信任的扫描器覆盖，那么诚实的答案是：这个公告对你几乎没什么改变——该模型在新闻稿发布之前就已可用，而在额度用完之后它也仍会可用。