谷歌Android Bench 2.0在真实Android开发任务中评估模型与智能体组合

谷歌发布了Android Bench 2.0,在30项真实Android开发任务中衡量“模型+智能体”系统,包括应用转换、架构迁移和新功能开发。得分最高的GPT-6 Astra和Claude Fable通过率仅为28%;所有模型在跨平台迁移任务上均告失败,且大多数XML到Compose转换也未通过。

谷歌发布了Android Bench 2.0,在30项真实Android开发任务中衡量“模型+智能体”系统,包括应用转换、架构迁移和新功能开发。得分最高的GPT-6 Astra和Claude Fable通过率仅为28%;所有模型在跨平台迁移任务上均告失败,且大多数XML到Compose转换也未通过。