XNews

谷歌Android Bench 2.0:真实安卓开发环境下的模型与编码智能体评测

谷歌Android Bench 2.0:真实安卓开发环境下的模型与编码智能体评测

谷歌发布了Android Bench 2.0,这是一项针对模型与编码智能体组合在真实安卓开发任务中的基准测试,使用了Signal和Bitwarden等生产级应用。得分最高的组合包括GPT 6 Astra + Codex和Claude Fable 5.1 + Claude Code,但最高通过率仅为28%。许多任务如XML到Compose的迁移,在所有模型中都未能通过。

Source posts