谷歌 Android Bench 2.0:约 30 个多天级长任务专测编码模型
DynamicWebPaige · x · 2026-10-02
Android 团队发布 Android Bench 2.0,从修 bug 和加小功能升级为复杂开发任务:约 30 个长周期任务,涵盖从零创建新应用、迁移依赖与设计、跨平台应用移植到 Android 等工程师通常要花数天到一周才能完成的工作,专门衡量模型的长时程(long-horizon)工程能力。
「编程与Agent」频道最新
- shadcn 转评 UI 生成工具:一周工作量一键复现且可直接跑 AI 测试 — shadcn · 2026-11-16
- AI 模型一言不合删掉 4.3 万行测试代码,diff +90/-43,599 — vincent_koc · 2026-11-16
- 摩根大通展示内部 agent 流水线 Jarvis:数月工作缩至几分钟 — LangChain · 2026-11-16
- 开发者澄清:App Store 并未全面禁用 Feature Flags — talkaboutdesign · 2026-11-16
- 用户实测:Google Antigravity 效果不输 Claude Cowork,Gemini Tasks 定位存疑 — sebajun2 · 2026-11-16
- 16GB 显卡本地跑通全套 AI:生图作曲配音视频加 RAG 问答 — llama-of-death · 2026-11-16