Google、Android Bench 2.0を発表——AIエージェントの実Androidタスク成功率は30%未満

Googleは、AIモデルとエージェントの組み合わせを実際のAndroid開発タスクで評価するベンチマーク「Android Bench 2.0」を公開した。最高スコアはGPT-6 Astra + CodexおよびClaude Fable 5.1 + Claude Codeが記録した。クロスプラットフォーム変換やXMLからComposeへの移行タスクでは、すべてのモデルが失敗した。