GPT-6 系列模型在 OpenAI 内部先被用来收拾自家代码。2026 年 10 月 14 日，OpenAI 开发者博客刊出核心实验（Core Experimentation）团队的实践长文：他们用 GPT-6 Astra 和 GPT-6.1 Sol 配合 Codex 做代码库维护，累计合并了 1400 多个维护类 PR，删掉超过 80 万行代码。这篇文章的价值不在演示效果，而在它把做法、证据要求和成本账都摊开来讲。
删死代码：给目标和验收标准，剩下的让模型自己找
删无用代码以前靠静态分析加运行时日志，边界情况多，误删出过事故。这次团队先用 GPT-5.6 Sol 定点处理指定区域，效果稳定后，换 GPT-6 Astra 尝试更宽泛的指令——一段故意写得很含糊的短提示，Astra 自己去翻历史 PR、内部沟通和项目跟踪记录找上下文，还查了生产性能分析表，确认准备删除的代码确实从未被执行到，并为每处删除写明理由。五名工程师利用零散时间、两周内在多个仓库跑了这套流程：一个服务的容器镜像从 3.31GB 瘦到 1.72GB，缩小约 48%；测试套件里还清掉了约 400 个多余的视觉快照变体。
清过期实验：难的不是删，是判断哪个能删
过期实验的麻烦在于代码可能还在跑、开关随时可能被重新启用，静态分析会漏掉很多。Astra 给出的清单里，有一个被标记为“永久”的功能开关格外典型：它一行代码就把自己映射到全部新功能开关上，造成明显的 CPU 放大。Astra 查清了成本，但没有直接动手，而是因为“永久”标记把它升级给人工评审；评审确认后删除，官方估计为主要受影响服务省下约 0.42% 的 CPU。整个清理最终移除了数百个过期实验和功能开关，其中几个大项是多年都没人识别出来的。
便宜模型能顶多少：GPT-6.1 Sol 的对比账
团队在同一批目录上做了对照：审计范围超过 6000 个文件、100 万行代码，结论经人工复核后统计。
| 配置 | API 成本 | 确认的问题数 | 单个问题成本 |
|---|---|---|---|
| GPT-6 Astra Ultra | 109.06 美元 | 142 | 0.77 美元 |
| GPT-6.1 Sol Ultra | 15.12 美元 | 131 | 0.12 美元 |
| GPT-6.1 Sol Medium | 5.27 美元 | 86 | 0.06 美元 |
换句话说，GPT-6.1 Sol Ultra 用 14% 的成本找到了 Astra 九成以上的问题；它漏掉的主要是“被其他开关当作依赖的常量开关”这类模式，团队的做法是把这类错误模式写回提示词里纠正。持续集成方面也有可量化的收益：约 30 个 CI 优化 PR 落地后，中位完成时间从约 10 分钟降到 4.5 分钟，九成位从 12.5 分钟降到 6 分钟；其中一次补上缺失的模拟替身，让一个 63 条用例的解析测试套件从 592.6 秒跑到 29.8 秒，63 条用例全部保留。
能搬走的做法，以及别照搬的部分
这套流程对普通团队真正可复制的是顺序：先挑一个小任务——一段死代码、一个过期开关或一个偶发失败的测试——要求模型找证据、给理由、出待评审的草稿 PR；跑顺了再扩大到子目录和整个仓库，并把每次评审意见沉淀回下一轮提示词。OpenAI 自己也提醒，有些模型提案带来的复杂度超过了收益，排序和度量不能省。1400 多个 PR 是这家公司的内部账，其他团队能省多少，取决于自家代码库的“欠账”结构和评审人力，不能直接按比例折算。
