#llm-benchmarking

Ars Technica AI·7月9日 00:39 UTC

Google 扩展 Android Bench 并加入新模型

Google 更新了用于评估 Android 应用开发任务的 Android Bench，新增了八个大模型，包括 Claude Fable 5、Claude Sonnet 5、Claude Opus 4.8、GLM 5.2、Kimi K2.7 Code、MiniMax M3、Qwen 3.7 Plus 和 Qwen 3.7 Max。该基准现在还加入了成本和效率指标，Google 也表示开发者可以自行运行测试并提交反馈。