Cosa è successo
Android ha annunciato Android Bench 2.0 introducendo il primo insieme di long-horizon tasks e la valutazione agentica.
Perché conta
Il benchmark sposta la valutazione degli agenti Android da fix isolati a lavori lunghi con dipendenze, UI, regressioni e più passaggi verificabili.
Cosa succede ora
Confrontare task, criteri di scoring e risultati pubblici prima di usare Android Bench 2.0 per scegliere un agente di sviluppo.