XNews

谷歌发布Android Bench 2.0,用于衡量模型-代理在真实Android任务上的表现

谷歌发布Android Bench 2.0,用于衡量模型-代理在真实Android任务上的表现

谷歌推出了Android Bench 2.0,这是一个用于评估模型-代理组合在实际生产应用中的Android开发任务上的基准测试。该基准测试包含30项任务,涵盖应用转换、架构迁移和新功能开发。表现最佳的是GPT-6 Astra+Codex和Claude Fable 5.1+Claude Code,通过率高达28%。

Source posts