XNews

Google Android Bench 2.0:顶级模型在实际应用任务中通过率仅28%

Google Android Bench 2.0:顶级模型在实际应用任务中通过率仅28%

谷歌发布了Android Bench 2.0,这是一项基于谷歌最佳实践、衡量模型加代理组合在实际Android开发任务中表现的基准测试。最高通过率为28%,其中GPT-6 Astra + Codex和Claude Fable 5.1 + Claude Code领先。所有模型在跨平台转换和XML到Compose迁移任务上均告失败。

Source posts