Android Bench 2.0 使用生产级应用测试真实 Android 开发

谷歌的 Android Bench 2.0 使用生产级应用(Signal、Bitwarden 等)评估“模型+智能体”组合在真实 Android 开发任务中的表现。该基准测试包含 30 项任务,涵盖应用转换、从零构建、架构迁移和新功能开发。顶尖模型通过率仅为 28%,多项任务(Flutter/React Native 转换、XML→Compose)为 0/5 通过。

谷歌的 Android Bench 2.0 使用生产级应用(Signal、Bitwarden 等)评估“模型+智能体”组合在真实 Android 开发任务中的表现。该基准测试包含 30 项任务,涵盖应用转换、从零构建、架构迁移和新功能开发。顶尖模型通过率仅为 28%,多项任务(Flutter/React Native 转换、XML→Compose)为 0/5 通过。