Google、実世界のエージェント型コーディングタスク向け「Android Bench 2.0」を公開

Googleは、実製品アプリからの実際のAndroidエンジニアリングタスクにおいて、AIモデルとエージェントの組み合わせをテストするベンチマーク「Android Bench 2.0」を公開した。最高合格率は28%で、GPT-6 Astra+CodexとClaude Fable+Claude Codeがトップだった一方、複数のタスク(例:FlutterからAndroidへの移行)では全モデルで0/5の合格率だった。