Android Bench更新模型榜
Ars Technica AI · rss · 2026-07-09
Google 更新了用于评估 Android 应用开发能力的 Android Bench，并加入了多款新模型与新的评价维度。
这次更新不仅补充了 成本 和 效率 指标，还纳入了开权重模型，方便开发者更全面地比较不同 LLM 在 Android 开发任务上的表现。Google 也邀请开发者自行跑测试并反馈，以影响基准后续演进。
新增的模型包括：Claude Fable 5、Claude Sonnet 5、Claude Opus 4.8、GLM 5.2、Kimi K2.7 Code、MiniMax M3、Qwen 3.7 Plus、Qwen 3.7 Max。文章的结论是：Gemini 在这个榜单上仍然落后于部分竞争模型。
「模型」频道最新
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26
- 中国首个前沿AI安全独立评测实验室「方寸跃迁」成立并首发DeepSeek评测 — JacquesThibs · 2026-10-26