Google、実際の開発タスク向け「Android Bench 2.0」を発表

Googleは、Android Bench 2.0を発表した。これは、SignalやWordPressなどのアプリにおける実際のAndroidエンジニアリングタスクを用いて、LLMとエージェントの組み合わせを評価するベンチマークテストである。最高合格率はGPT-6 Astra+Codexによる28%に達した一方、多くの移行タスク(Flutter→Android、XML→Compose)では全モデルで0%のスコアとなった。