XNews

谷歌发布Android Bench 2.0,用于真实环境的智能编码任务评测

谷歌发布Android Bench 2.0,用于真实环境的智能编码任务评测

谷歌发布了Android Bench 2.0,这是一项基准测试,用于评估AI模型与智能体组合在来自生产应用的真实Android工程任务上的表现。最高通过率为28%,其中GPT-6 Astra+Codex和Claude Fable+Claude Code领先,而部分任务(如Flutter到Android的迁移)在所有模型上均为0/5通过。

Source posts