谷歌发布Android Bench 2.0,推动真实安卓开发基准测试

谷歌推出Android Bench 2.0,这是一项基于谷歌最佳实践、针对真实安卓工程任务评估模型与智能体组合的基准测试。表现最佳的为搭载Codex的GPT-6 Astra和搭载Claude Code的Claude Fable 5.1,但最高通过率仅为28%。许多任务,包括Flutter转Android和XML转Compose迁移,在所有模型中均未获得任何通过。

谷歌推出Android Bench 2.0,这是一项基于谷歌最佳实践、针对真实安卓工程任务评估模型与智能体组合的基准测试。表现最佳的为搭载Codex的GPT-6 Astra和搭载Claude Code的Claude Fable 5.1,但最高通过率仅为28%。许多任务,包括Flutter转Android和XML转Compose迁移,在所有模型中均未获得任何通过。