Google、本格的なAndroid開発向けベンチマーク「Android Bench 2.0」を公開

Googleは、Googleのベストプラクティスに基づく実際のAndroidエンジニアリングタスクにおいて、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「Android Bench 2.0」を発表した。トップパフォーマーはGPT-6 Astra with CodexとClaude Fable 5.1 with Claude Codeであったが、最高合格率はわずか28%にとどまった。FlutterからAndroidへの移行やXMLからComposeへの移行を含む多くのタスクでは、すべてのモデルで合格率がゼロであった。