Google Android Bench 2.0:トップモデルは実アプリタスクで28%の合格率

GoogleはAndroid Bench 2.0を公開しました。これは、Googleのベストプラクティスに基づく実際の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ベンチマークです。最高結果は合格率28%で、GPT-6 Astra + CodexとClaude Fable 5.1 + Claude Codeがトップに立ちました。すべてのモデルは、クロスプラットフォーム変換およびXMLからComposeへの移行タスクで失敗しました。