谷歌更新 Android Bench 榜单，自家 Gemini 4 Argon 编程成绩大幅落后于 Claude 与 GPT
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
- 1谷歌更新安卓编程评测榜 Android Bench，自家 Gemini 4 Argon 首秀排第五，成绩大幅落后 Claude 与 GPT 系列
- 2Claude Sonnet 5.5 位列第一，通过率 40%、完成率 80.9%，平均调用成本高达 1,574.90 美元
- 3GPT-6.1 Sol 通过率 29.3%、完成率 82.8%，调用成本仅 99.50 美元，远低于第一名 Claude
- 4本次更新新增标注各模型推理等级；有内部消息称 Gemini 4 Argon 难以处理部分编程任务，谷歌仍认可其能力
谷歌用自家基准公开了自家模型在安卓编程上的落后，模型选型开始把能力与调用成本放在一起比较。
- 影响：安卓开发团队选型 AI 编程助手时可直接引用榜单数据做初筛；调用成本差距悬殊，技术选型需要把预算核算与能力评估同时进行；头部安卓编程辅助选项目前集中在 Claude 与 GPT 一侧。
- 参考：可考虑按榜单挑两三款模型，用自家安卓代码场景做小规模对比试点，并把平均调用成本折进预算一起核算；值得优先测算 GPT-6.1 Sol 这类低价档位的性价比。
- 依据：成绩均来自谷歌官方更新的 Android Bench 榜单，官方口径，暂无独立验证；Gemini 难以处理部分编程任务的说法来自内部消息，谷歌仍认可其能力。
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。
Android Bench 于今年年初推出，方便安卓开发者快速对照谷歌的这套测试标准，挑选最适合安卓代码开发辅助的 AI 模型。测试会考量安卓开发特有的使用场景以及安卓开发的最佳实践。谷歌在持续开展测试、纳入新模型排名的同时，还把平均调用成本纳入基准指标，方便开发者结合自身需求做选择。
在 10 月 26 日的这次更新中，谷歌新增标注了每个模型所采用的推理等级，同时补充了多款模型的测试结果，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。
目前榜单第一名是 Claude Sonnet 5.5，通过率 40%，完成率 80.9%。10 月初加入榜单的 Claude Opus 5.5 位列第二。
OpenAI 的 GPT-6.1 Sol 可能是此次最值得关注的新增模型，通过率 29.3%，完成率 82.8%，但调用成本仅 99.50 美元（IT之家注：现汇率约合 664.8 元人民币）；相比之下，排名第一的 Claude 调用成本高达 1,574.90 美元（现汇率约合 10,522 元人民币）。
而谷歌自家的 Gemini 4 Argon 首秀表现平平，排在第五位，明显落后于其他前沿模型，甚至不及 laude Fable 5.1，通过率仅有 21.3%，完成率 81.8%，平均调用成本 267.70 美元（现汇率约合 1,789 元人民币）。
谷歌官宣 Gemini 4 Argon 之后不久，就有内部消息称该模型“难以处理部分编程任务”，不过谷歌依旧认可其能力。
来源：IT之家·人工智能 · ithome.com