主要来源shao__meng
查看原文事件专题 ·多源确认
谷歌推出 Android 开发模型基准测试 Android Bench 2.0
谷歌推出 Android Bench 2.0 基准测试，专门衡量模型完成真实 Android 开发工作的能力。测试对象是“模型+Agent”组合，如 GPT + Codex、Claude + Claude Code 等。测试包含 30 个真实工程任务，覆盖应用转换、从零构建、架构迁移和新功能开发四类。评测结果显示，GPT 6 Astra + Codex 和 Claude Fable 5.1 + Claude Code 分别位列前两名，Google 自家的 Gemini 3.8 Flash 和 3.7 Flash + Antigravity 排名靠后。部分任务如 Flutter/React Native 转换和 XML→Compose 迁移，所有模型均未通过。
当前结论
谷歌推出的这个新基准测试挺有意思，专门测模型做真实 Android 开发的能力，比如从零写应用或者迁移代码，能看出不同模型在工程场景下的实际表现。
11 个信源78° AI 热度最后更新 2026/9/19 13:09:36
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。