Google发布Android Bench 2.0:AI代理在真实Android任务中得分低于30%

Google发布了Android Bench 2.0,这是一个评估AI模型与代理组合在真实Android开发任务中表现的基准测试。最高得分:GPT-6 Astra + Codex 和 Claude Fable 5.1 + Claude Code。所有模型在跨平台转换和XML到Compose迁移任务中均失败。

Google发布了Android Bench 2.0,这是一个评估AI模型与代理组合在真实Android开发任务中表现的基准测试。最高得分:GPT-6 Astra + Codex 和 Claude Fable 5.1 + Claude Code。所有模型在跨平台转换和XML到Compose迁移任务中均失败。