谷歌 Android Bench 2.0：约 30 个多天级长任务专测编码模型

Android 团队发布 Android Bench 2.0，评测重点从修 bug 和加小功能升级为约 30 个长周期复杂开发任务，专门衡量模型的长时程（long-horizon）工程能力。这些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，属于工程师通常要花数天到一周才能完成的工作。