Google发布了Android Bench 2.0，这是其面向AI模型的Android开发基准测试的升级版。新版本加入了长期任务，完成这些任务可能需要工程师花上几天甚至一周；评估对象也从代码片段扩展到了智能体。评分方式改为连续评分，评估功能、视觉还原度和指令遵循情况，而不再只是简单判定通过或不通过。仪表板显示，Claude Opus 5.5在难度最高的任务中以32%的通过率领先。
为什么重要
开发者可以借助这项基准测试，了解哪些AI助手在复杂Android项目中更可靠。
Google推出Android Bench 2.0：新增长期任务与评分体系
新版基准测试加入历时数天的开发任务，采用智能体评估和分级评分，衡量AI助手的Android编程能力。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。