XNews

Google、エージェント評価用「Android Bench 2.0」を公開

Google、エージェント評価用「Android Bench 2.0」を公開

Android Bench 2.0は、実際のAndroidタスクにおけるモデルとエージェントのペアをテストし、最高成功率は28%だった。GPT-6 Astra+CodexとClaude Fable 5.1+Claude Codeがリードするが、ほとんどのクロスプラットフォーム移行は失敗した。

Source posts