谷歌发布面向AI编程代理的Android Bench 2.0基准测试;最高通过率仅28%

谷歌推出了Android Bench 2.0,这是一个基于谷歌最佳实践文档和生产级应用、在真实Android工程任务上评估“模型+代理”组合的基准测试。在新的30项任务测试集中,搭载Codex的GPT-6 Astra和搭载Claude Code的Claude Fable 5.1表现领先,但最高通过率仅为28%。没有任何模型通过跨平台转换任务,也几乎没有模型完成XML到Compose的迁移任务。

谷歌推出了Android Bench 2.0,这是一个基于谷歌最佳实践文档和生产级应用、在真实Android工程任务上评估“模型+代理”组合的基准测试。在新的30项任务测试集中,搭载Codex的GPT-6 Astra和搭载Claude Code的Claude Fable 5.1表现领先,但最高通过率仅为28%。没有任何模型通过跨平台转换任务,也几乎没有模型完成XML到Compose的迁移任务。