谷歌更新安卓编程基准 Gemini 4落后
谷歌更新 Android Bench 安卓编程辅助能力基准，新增多款模型成绩并标注推理等级，Claude Sonnet 5.5 以40%通过率位居第一，GPT-6.1 Sol 完成率82.8%、调用成本99.50美元，Gemini 4 Argon 通过率21.3%排名第五，榜单同时纳入平均调用成本供开发者比较。
驱动中国10月28日消息，谷歌更新 Android Bench 安卓编程辅助能力榜单，Gemini 4 Argon 的测试结果低于最新版 Claude 与 GPT 系列模型。
Android Bench 于年初推出，用于帮助安卓开发者快速对照谷歌设定的测试标准，选择适合安卓代码开发辅助的 AI 模型。该基准关注安卓开发特有使用场景，并将安卓开发最佳实践纳入评估。谷歌持续推进测试、更新模型排名，同时把平均调用成本纳入基准指标，供开发者结合自身需求进行比较。
10月26日的更新中，谷歌为每个模型新增推理等级标注，并补充多款模型测试结果，包括 OpenAI 的 GPT-6 Sol、GPT-6.1 Sol、Claude Sonnet 5、Claude Sonnet 5.5，以及谷歌自家的 Gemini 4 Argon。
榜单目前由 Claude Sonnet 5.5 位居第一，通过率为40%，完成率为80.9%。10月初进入榜单的 Claude Opus 5.5 排名第二。OpenAI 的 GPT-6.1 Sol 为此次新增模型之一，通过率29.3%，完成率82.8%，调用成本为99.50美元，按IT之家所注现汇率约合664.8元人民币。相比之下，排名第一的 Claude Sonnet 5.5 调用成本为1,574.90美元，约合10,522元人民币。
谷歌自家的 Gemini 4 Argon 首次进入该榜单时排名第五，通过率21.3%，完成率81.8%，平均调用成本267.70美元，约合1,789元人民币。其成绩低于其他前沿模型，也低于 Claude Fable 5.1。谷歌官宣 Gemini 4 Argon 后不久，有内部消息称该模型难以处理部分编程任务，不过谷歌仍认可其能力。