谷歌Android Bench 2.0 在真实安卓任务上评估AI智能体

谷歌发布了Android Bench 2.0,这是一个针对模型与智能体组合在真实安卓开发任务上的基准测试。GPT-6 Astra + Codex 和 Claude Fable 5.1 + Claude Code 领先,但许多任务零通过,尤其是XML转Compose迁移和跨平台转换。

谷歌发布了Android Bench 2.0,这是一个针对模型与智能体组合在真实安卓开发任务上的基准测试。GPT-6 Astra + Codex 和 Claude Fable 5.1 + Claude Code 领先,但许多任务零通过,尤其是XML转Compose迁移和跨平台转换。