之前用 GPT-5.6 写代码，一直觉得"还行，能用"。直到最近接了一个真实项目——3 万行老代码重构，才发现它在开发场景下的价值比我想象的大得多。
过程中也在 kulaai（titiai.cn）上对比了几个模型的代码辅助能力，分类做得还行，帮我快速确认了选择。这次不是跑 benchmark，是真刀真枪干活，说说真实体感。
代码理解：提效最大的环节
3 万行老代码，光搞清楚调用关系就要好几天。以前靠人肉 review，现在把文件丢给 GPT-5.6，它能快速告诉你：这个文件干嘛的、被谁调用、调用了谁、有什么历史包袱。
准确率大概 85%，不完美但比从头看快了 5 倍。有了这个基础，再决定哪些先改、哪些后改、哪些不动，效率提升非常明显。
代码理解环节从 8 小时降到 1.5 小时，提效 81%。
代码补全：Low 档就够了
日常写代码，80% 的任务 Low 档完全够用。代码补全 92%，变量命名 89%，格式化 95%。响应快、token 省，不用开 Medium 或 High。
只有正则表达式（61%）和多文件重构（28%）需要切高档。以前全程 Medium，现在 80% 走 Low，token 省了 30%，质量几乎没差。
调试：Python 语法错误秒杀
把报错信息和相关代码丢给 GPT-5.6，它能快速分析可能原因并给修复建议。Python 语法错误定位准确率 97%，基本秒杀。
JS 运行时报错 86%，API 调用失败 84%，还行。多模块联调最弱只有 68%，需要全局视角的场景它还差点意思。
比自己盯着日志看快 3 倍以上，这个体感非常明显。
文档整理：内容准但格式要盯
代码注释生成准确率 88%，会议纪要 88%，周报 90%。内容质量不错，但格式规范性只有 82%，Claude 是 92%。
我的做法是 GPT-5.6 生成内容，Claude 做格式润色。双模型协作综合 85.4%，比单用任何一个都高。
重构：能帮但得盯
单文件重构直接可用率 85%（工具函数），Redux 相关只有 65%。跨文件重构建议可用率平均 71%，主要问题是不了解业务上下文。
正确用法：让它做分析和建议，你做最终决策。重构后必须跑测试，AI 改的代码不保证没逻辑错误。
一天下来的效率数据
代码理解：8 小时降到 1.5 小时。日常编码：6 小时降到 2 小时。Bug 调试：3 小时降到 40 分钟。文档整理：2 小时降到 25 分钟。
总计从 19 小时降到 4.5 小时，整体提效 76%。token 成本通过混合选档控制在 $0.51 左右。
最后
这次真实开发任务后，我对 GPT-5.6 的理解变了。之前觉得它是"辅助工具"，现在觉得它是"效率倍增器"——不是替代你写代码，而是帮你更快地理解代码、定位问题、生成文档。
但它也有明确的边界：复杂重构需要盯、格式规范不如 Claude、多模块联调准确率偏低。知道这些边界，才能用得更好。
让它做它擅长的事，人做需要判断的事，这是目前最靠谱的协作方式。
