Android Bench 标准更新
谷歌发布了 Android Bench 名单的新更新，该基准工具旨在衡量人工智能模型提供 Android 应用编程协助的能力。该标准侧重于根据特定的编程要求和系统应用开发中的最佳实践来评估模型，并列出了每个模型的平均运营成本，以帮助开发人员做出明智的经济和技术决策。
模型在最新测试中的表现
最新更新加入了先进模型的测试结果，其中 Anthropic 公司的模型名列前茅，具体为 Claude Sonnet 5.5，其成功率达到 40%，代码完成率达到 80.9%。Claude Opus 5.5 模型则位居第二。
另一方面，OpenAI 的 GPT-6.1 Sol 模型成为开发人员的一个引人注目的选择；尽管其成功率为 29.3%，完成率为 82.8%，但其运营成本极低，仅为 99.50 美元，而排名第一的 Claude 模型的成本则高达 1,574.90 美元。
Gemini 4 Argon 的立场
谷歌的新模型 Gemini 4 Argon 在此次评估中的表现令人失望，排名第五，落后于 Claude Fable 5.1 等竞争模型。该模型的成功率为 21.3%，完成率为 81.8%，平均成本为 267.70 美元。这一表现印证了先前的内部报告，即该模型在处理特定编程任务时遇到困难，尽管谷歌一再强调该模型的效率和能力。
这对开发人员意味着什么？
这些更新的重要性在于，它们提高了模型在真实工作环境中表现的透明度。对于 Android 开发者来说，仅凭技术性能并不是决定性标准，成本与成果之比已成为一个核心因素。这一评估证明，市场领先模型在专业领域存在很大差异，这迫使开发者必须选择能够在代码准确性与技术项目预算之间取得平衡的工具。