谷歌发布 Android Bench 2.0
发生了什么
据 InfoQ 中文报道，谷歌发布了用于评估 Android 开发任务 AI 模型及智能代理的基准测试框架 Android Bench 2.0。该版本引入了长周期任务（LHT）、基于智能体的评估机制及连续评分系统，旨在更细致地衡量模型在复杂多步骤任务中的表现。目前，该基准测试已覆盖包括 Gemini 3.8 Flash、GPT-6 及 Claude Opus 5.5 在内的多个模型。据谷歌报告，Claude Opus 5.5 以 32% 的 LHT 通过率位居排行榜首位。
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
- InfoQ 中文来源报道
Android Bench 2 新增对长周期任务、智能评估和连续评分的支持
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口