谷歌更新 Android Bench：Gemini 4 Argon 编程成绩落后 Claude 与 GPT

谷歌于 10 月 26 日更新 Android Bench 榜单，新增 GPT-6 Sol、GPT-6.1 Sol、Claude Sonnet 5、Claude Sonnet 5.5 和 Gemini 4 Argon 的测试结果。Claude Sonnet 5.5 以 40% 通过率、80.9% 完成率位居第一。GPT-6.1 Sol 通过率 29.3%，调用成本仅 99.50 美元，远低于第一名 Claude 的 1,574.90 美元。谷歌自家的 Gemini 4 Argon 排在第五位，通过率仅 21.3%，落后于其他前沿模型，平均调用成本 267.70 美元。此次更新还首次标注了每个模型所采用的推理等级。