谷歌给 Android 开发者选模型：GPT-5.5 暂时领先
在 3 月份的一篇博文 中，谷歌 Android 开发部门产品副总裁 Matthew McCullough 写道，谷歌对顶级的 AI LLM 进行了基准测试，旨在评估这些工具如何构建 Android 应用。
谷歌更新 Android Bench 基准测试，但 Gemini 表现仍落后
代码生成正成为大语言模型最热门的应用场景之一，但并非所有智能体在所有开发任务上都表现出色。谷歌今年早些时候专门针对大语言模型在 Android 应用开发中的表现创建了一套基准测试——Android Bench，而这一工具今天迎来了重大更新。
霸榜SOTA，蚂蚁开源UI-Venus-1.5，GUI智能体办事时代加速到来
Claude、OpenAI Agent 及各类开源模型你方唱罢我登场，但若真想让 AI 成为 「能在手机和网页上稳定干活的助手」，仍绕不开三大现实难题:「知识缺失」难题:基础大模型对 GUI 领域的认知依然薄弱 —— 生僻图标、小众应用的操作逻辑等需要补足。
谷歌更新安卓开发基准榜单：Kimi K3.1 Pro/DeepSeek V4.1 Flash成绩揭晓
IT之家 11 月 11 日消息，谷歌官方账号 Android Developers（@AndroidDev）昨日（11 月 10 日）在 X 平台发布推文，首次公开了 OpenAI GPT-6.1 Terra、Kimi K3.1 Pro 以及 DeepSeek V4.
Google把Coding Agent放进长任务评测后，最难验的工作才刚开始
摘要：从一次看似完成的移动端迁移出发，建立规格、运行态、轨迹和回归四类证据。Google Android Developers公布的Android Bench 2.
谷歌更新Android Bench榜单：自家Gemini 4 Argon编程能力大幅落后于Claude与GPT
IT之家 10 月 28 日消息，谷歌更新了用于评估 AI 模型安卓编程辅助能力的 Android Bench 榜单，Gemini 4 Argon 的成绩大幅落后于最新版 Claude 与 GPT 系列模型。
Gemini 3.5 Flash登上安卓编程榜单，但成本高出3倍且性能更慢
谷歌近期发布了新一期基准测试结果，对各主流AI模型在安卓编程领域的表现进行了横向对比，并公布了每个模型的Token使用成本。测试结果显示，谷歌自家的Gemini 3.5 Flash在安卓开发中资源消耗最为突出，甚至未能跻身前五名。