谷歌Android Bench 2.0在真实安卓设备上测试AI代理,最高通过率28%

谷歌推出了Android Bench 2.0,这是一个基于最佳实践、通过编码代理评估AI模型在真实安卓开发任务中表现的基准测试。任务包括应用转换、架构迁移和新功能开发。GPT-6 Astra + Codex 与 Claude Fable 5.1 + Claude Code 取得了最高通过率(高达28%),而许多跨平台迁移任务的通过率为零。

谷歌推出了Android Bench 2.0,这是一个基于最佳实践、通过编码代理评估AI模型在真实安卓开发任务中表现的基准测试。任务包括应用转换、架构迁移和新功能开发。GPT-6 Astra + Codex 与 Claude Fable 5.1 + Claude Code 取得了最高通过率(高达28%),而许多跨平台迁移任务的通过率为零。