谷歌发布Android Bench 2.0长任务编码评测基准

2026年10月2日，据报道谷歌 Android 团队发布 Android Bench 2.0 评测基准。其评测重点从此前的修 bug、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。任务类型包括从零创建新应用、迁移依赖与设计、将跨平台应用移植到 Android，属于工程师通常要花数天到一周才能完成的工作。现有报道仅说明基准的任务设置与定位，未提及参评模型及具体成绩。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。