Kod oluşturma, büyük dil modelleri (LLM'ler) için en popüler uygulamalardan biri olarak ortaya çıkıyor, ancak tüm aracılar tüm geliştirme görevlerinde eşit derecede iyi değil. Google, bu yılın başlarında Yüksek Lisans'ların Android uygulama geliştirmede nasıl performans gösterdiğini değerlendirmek için bir kıyaslama oluşturdu veAndroid Tezgahıbugün büyük bir güncelleme alıyor. Skor tablosu artık bir dizi yeni model içeriyor ve Google, kullanımı daha kolay olması gereken yeni bir çerçeveyi benimsedi. Geliştiriciler kendi testlerini yapmaya ve Android Bench'in geleceğini şekillendirebilecek geri bildirimler göndermeye davet ediliyor.
Popüler kodlama araçları olsalar da, Yüksek Lisans'lar her şeyi doğru yapmazlar. Yararlı çıktıları düz eğimden ayırmak, doğru aletin seçilmesi anlamına gelir. Android Bench, 100 Android geliştirme görevinden oluşan bir pakette hangi AI aracılarının en iyi performansı gösterdiğini göstermeyi amaçlıyor. Mart ayında Android Bench'i piyasaya sürdükten sonra Google, açık ağırlıklı modellerin yanı sıra maliyet ve verimlilik gibi ölçümleri de ekledi.
Android Bench'i alakalı tutmak için Google,testi güncellemeen son çıkanlar da dahil olmak üzere sekiz yeni modelle: Claude Fable 5, Claude Sonnet 5, Claude Opus 4.8, GLM 5.2, Kimi K2.7 Code, MiniMax M3, Qwen 3.7 Plus ve Qwen 3.7 Max.
