谷歌于10月28日更新了 Android Bench 榜单，该榜单用于评估 AI 模型在安卓编程方面的表现。最新数据显示，Gemini 4 Argon 的成绩明显低于更新后的 Claude 和 GPT 系列模型。Android Bench 在年初推出，旨在帮助安卓开发者快速对比适合的 AI 编码辅助工具。测试内容考虑了安卓开发的特定环境及最佳实践，谷歌也在持续完善测试，并将平均调用成本作为选择模型的参考标准。
在10月26日的更新中，谷歌为各个模型标注了推理等级，同时补充了多个新模型的测试结果，包括 OpenAI 的 GPT-6 Sol、GPT-6.1 Sol 和 Claude Sonnet 系列，以及自家的 Gemini 4 Argon。目前，榜单第一位是 Claude Sonnet 5.5，完成率为80.9%，通过率达40%。新加入的 Claude Opus 5.5 排名第二。较为引人关注的是 OpenAI 的 GPT-6.1 Sol，通过率为29.3%，完成率为82.8%，但其调用成本较低，仅为99.50美元，而排名第一的 Claude 调用成本则高达1,574.90美元。
谷歌自家的 Gemini 4 Argon 表现平平，排在第五位，甚至不及 Claude Fable 5.1，只有21.3% 的通过率和81.8%的完成率，平均调用成本为267.70美元。尽管在推出后，内部消息称 Gemini 4 Argon 在处理某些编程任务时存在困难，谷歌依然对其潜力持认可态度。
发表评论