Harden：5 个 AI 模型先各自审代码，再互相辩论挑错，作者称准确率约 97%，免费档可用

一个模型审代码总有盲区，五个模型一起审会怎样？Show HN 今日新品 Harden 的做法是：让 Claude、GPT、Gemini、Mistral、DeepSeek 五个前沿模型先各自独立审计同一份代码，再互相质询对方的结论，最后由协调者把经得起质疑的发现合成为报告，并给出修复版；修完还能再跑一轮，抓修复引入的新问题。

按作者自述的数据：单个模型最多发现约 72% 的问题，五个合起来约 94%，经过交叉质询后准确率约 97%、误报减少约 60%——这些是作者自己的说法，尚未见独立复现，看看就好，别当成基准成绩。它的起点是智能合约审计，但作者称法律文档、简历、事实核查、财务分析同样适用，并提供免费档。最有意思的部分其实是辩论记录本身：看 GPT 和 Claude 为某个重入漏洞是不是真能利用而争论，比只看结论有用。

站里之前还写过 Cloudflare 开源的 Agent 安全审计工作流，可以对照着看“单智能体审计”和“多模型互相质询”两种思路。

来源：Hacker News，原文：https://harden.center/blog