Android Bench 2.0 显示顶尖模型在真实安卓任务中通过率仅达28%

谷歌发布了Android Bench 2.0,这是一项评估模型与代理组合(例如GPT+Codex、Claude+Claude Code)在真实生产环境安卓应用上表现的基准测试。顶尖模型的最高通过率仅为28%,所有模型在跨平台迁移任务(Flutter/React Native转向原生安卓)上均得0/5分,且大多数模型未能通过XML到Compose的迁移测试。

谷歌发布了Android Bench 2.0,这是一项评估模型与代理组合(例如GPT+Codex、Claude+Claude Code)在真实生产环境安卓应用上表现的基准测试。顶尖模型的最高通过率仅为28%,所有模型在跨平台迁移任务(Flutter/React Native转向原生安卓)上均得0/5分,且大多数模型未能通过XML到Compose的迁移测试。