谷歌Android Bench 2.0测试真实编码代理,最高通过率28%

谷歌推出Android Bench 2.0,这是一个衡量模型与代理组合在生产应用中的真实Android开发任务表现的基准测试。最佳结果:GPT 6 Astra+Codex与Claude Fable 5.1+Claude Code领先;许多迁移任务(XML转Compose、Flutter转Android)在所有模型上均失败。

谷歌推出Android Bench 2.0,这是一个衡量模型与代理组合在生产应用中的真实Android开发任务表现的基准测试。最佳结果:GPT 6 Astra+Codex与Claude Fable 5.1+Claude Code领先;许多迁移任务(XML转Compose、Flutter转Android)在所有模型上均失败。