Η Google ανανεώνει το Android Bench: το Gemini 4 Argon πίσω από Claude και GPT-6 στον κώδικα Android

Η Google ενημέρωσε την κατάταξη Android Bench για την αποδοτικότητα μοντέλων τεχνητής νοημοσύνης στην υποβοήθηση προγραμματισμού Android, με το Gemini 4 Argon να κατατάσσεται αρκετά πίσω από τα νεότερα Claude και GPT μοντέλα, αναφέρει το 9to5Google.

Το Android Bench παρουσιάστηκε στις αρχές της χρονιάς ως γρήγορος οδηγός για τους Android developers σχετικά με τα μοντέλα που ταιριάζουν καλύτερα στην υποβοήθηση κώδικα, βάσει δοκιμής της Google. Η δοκιμή λαμβάνει υπόψη στοιχεία ειδικά για το Android και βέλτιστες πρακτικές ανάπτυξης, ενώ πλέον περιλαμβάνει και το μέσο κόστος, ώστε οι ομάδες να αποφασίζουν με βάση ανάγκες και προϋπολογισμό.

Με την ενημέρωση της 26 Οκτωβρίου, προστέθηκε το επίπεδο reasoning για κάθε μοντέλο και ενσωματώθηκαν αποτελέσματα για τα OpenAI GPT-6 Sol, GPT-6.1 Sol, Claude Sonnet 5 και Claude Sonnet 5.5, καθώς και για το ίδιο το Google Gemini 4 Argon.

Στην κορυφή βρίσκεται το Claude Sonnet 5.5 με ποσοστό επιτυχίας 40% και ποσοστό ολοκλήρωσης 80.9%. Το Claude Opus 5.5, που προστέθηκε στις αρχές Οκτωβρίου, ακολουθεί στη δεύτερη θέση.

Το OpenAI GPT-6.1 Sol ξεχωρίζει ως προσθήκη με ποσοστό επιτυχίας 29.3% και ολοκλήρωσης 82.8%, ενώ το μέσο κόστος του είναι $99.50, σε σύγκριση με τα $1,574.90 του Claude για την πρώτη θέση.

Το Google Gemini 4 Argon κάνει ντεμπούτο στην πέμπτη θέση, σαφώς πίσω από άλλα μοντέλα αιχμής, υπολειπόμενο ακόμη και του Claude Fable 5.1. Καταγράφει ποσοστό επιτυχίας 21.3%, ολοκλήρωσης 81.8% και μέσο κόστος $267.70.

Μετά την ανακοίνωση του Gemini 4 Argon, σε αναφορά αναφέρθηκαν εσωτερικές φωνές που υποστήριξαν ότι το μοντέλο “struggles to handle certain coding tasks”, με τη Google να υπερασπίζεται τις δυνατότητές του.