Android ha annunciato Android Bench 2.0 introducendo il primo insieme di long-horizon tasks e la valutazione agentica.

Il benchmark sposta la valutazione degli agenti Android da fix isolati a lavori lunghi con dipendenze, UI, regressioni e più passaggi verificabili.

Confrontare task, criteri di scoring e risultati pubblici prima di usare Android Bench 2.0 per scegliere un agente di sviluppo.

Android Bench 2.0 introduce il primo gruppo di attività di lunga durata, che possono richiedere a un ingegnere più giorni o una settimana.

Il benchmark misura gli assistenti AI su lavori Android più vicini a un incarico reale, rendendo più utile il confronto tra modelli e agenti per sviluppo, migrazioni e manutenzione.

Confrontare la leaderboard e la metodologia aggiornate prima di usare i risultati per scegliere un modello o un agente di sviluppo Android.