我在5090上实现了代码审查功能，在Martian基准上F1得分为22.7
摘要
一位开发者使用开源权重模型在消费级RTX 5090 GPU上创建了一个代码审查工具，在Martian代码审查基准上取得了F1 22.7的成绩，目前正在考虑将其商业化或开源。
大家好。我一直在尝试各种消费级解决方案，几乎突然之间就创建了一个能与商业产品竞争的代码审查工具。它在Martian代码审查基准上取得了P 19.2、R 27.7和F1 22.7的成绩。它完全运行在消费级5090上，没有使用任何付费API，只用了开源权重模型。我反复检查了基准测试几次。现在我很困惑。我该把它做成产品吗？还是应该开源？这算是一个真正的成就吗？或者根本不值得花时间？肯定还有改进空间，也许我能达到F1 30左右。如果我把开源权重换成付费API，可能就能接近领先者了。你们怎么看？
相似文章
Open Code Review – 一款由 AI 驱动的代码审查 CLI 工具
阿里巴巴已将 Open Code Review 开源，这是一款由 AI 驱动的代码审查 CLI 工具，将确定性工程方法与 LLM 智能体能力相结合。该工具最初作为内部工具使用，服务于数万名开发者，已识别出数百万处缺陷。它通过读取 Git diff 输出，利用可配置的模型端点生成结构化的行级审查意见。
使用 o3、o4-mini 和 GPT-4.1 更快地交付代码
CodeRabbit 推出了基于 OpenAI 的 o3、o4-mini 和 GPT-4.1 模型的增强代码审查功能，使开发者能够提升 4 倍交付速度并减少 50% 的生产 bug。该工具现已包含 VS Code 集成，并使用多步推理来捕捉代码库中的 bug、重构问题和架构缺陷。
我构建了一个自主开发流水线，并对同一个项目进行了对比测试：在改装版RTX 4090上运行的27B本地模型，与廉价云端大语言模型
作者构建了一个自主开发流水线，并通过在改装版RTX 4090上运行27B本地模型与使用廉价云端大语言模型API对同一个项目进行基准测试。
实测 OpenCode 与自托管 LLM 的协作：Qwen 3.5、3.6、Gemma 4、Nemotron 3、GLM-4.7 Flash - v2
一位开发者在 RTX 4080 上用 OpenCode 对多款自托管 LLM（Qwen 3.5/3.6、Gemma 4、Nemotron 3、GLM-4.7）进行两项编码任务基准测试，揭示了速度与质量的权衡。
4090 + 5060 Ti + 64GB RAM：35B-A3B 达 206 t/s，122B 达 37 t/s
一位用户分享了在双 GPU（RTX 4090 和 RTX 5060 Ti）上运行大语言模型（Qwen 27B-122B）的基准测试结果，实现了极高的 token 生成速度（例如 35B-A3B 达到 206 t/s，122B 达到 37-41 t/s）。帖子包含配置详情以及指向 GitHub 仓库的链接，其中包含脚本和原始数据。