Sonarが分析した複数のAIモデルでは、並行処理バグの密度がモデル間で7倍の差があり、GPT-5.5は170バグ/百万行のコード密度を記録

Sonarの評価フレームワークが複数のLLM（文章を理解・生成するAI）で生成したJavaコードを分析したところ、並行処理バグ（複数スレッドの実行順序に依存する欠陥）の密度がGPT-5.2 Highの470バグ/百万行からGemini 3.0 Proの69バグ/百万行まで、評価対象モデル間で7倍の幅があった。

並行処理バグは3つの主なパターン（ダブルチェックロック違反、値ベースクラス（BooleanやInteger.valueOf()など）での不適切なロック、Thread.sleep()実行中のロック保持）を示しており、これらはいずれも機能テストをパスするが、本番環境でのスレッドタイミングに依存するため実行時に失敗する。

これらの欠陥は標準的なテストフレームワークでは信頼できるかたちでは検出できないが、SonarQubeなどの静的解析（コードを実行せずに構造を分析する手法）によってスレッド安全性の問題を識別および検出できる。