Android Bench 2.0:実際のAndroid開発タスクにおけるAIエージェントのベンチマーク

GoogleはAndroid Bench 2.0をリリースしました。これは、ベストプラクティスに基づく30の実際のAndroid開発タスクにおいて、モデルとエージェントの組み合わせを評価するものです。トップパフォーマーはGPT-6 Astra + CodexとClaude Fable 5.1 + Claude Codeでした。Flutter/React Nativeの変換タスクや、ほとんどのXML-to-Compose移行では、どのエージェントも成功しませんでした。