谷歌Android Bench更新：Gemini 4 Argon编程能力落后Claude与GPT
谷歌更新 Android Bench 榜单，新增 GPT-6 Sol、Claude Sonnet 5.5 等多款模型测试结果。Gemini 4 Argon 首秀表现平平，通过率仅 21.3%，排名第五，明显落后于 Claude 和 GPT 系列。#Gemini 4 Argon#
10月28日，谷歌对用于评估AI模型安卓编程辅助能力的Android Bench榜单做了更新。结果显示，
Gemini 4 Argon的成绩与最新版Claude及GPT系列模型相比差距明显。
这一榜单今年年初上线，目的是让安卓开发者能拿谷歌的测试标准做参照，快速挑出最适合辅助安卓代码开发的AI模型。测试内容覆盖安卓开发特有的使用场景，也考察安卓开发的最佳实践。谷歌一边持续开展测试、把新模型纳入排名，一边将平均调用成本列为基准指标，让开发者能结合自身需求做选择。10月26日的更新里，谷歌给每个模型新增标注了所采用的推理等级，并补上了多款模型的测试结果，包括OpenAI的
GPT-6 Sol、GPT-6.1 Sol、Claude Sonnet 5、Claude Sonnet 5.5，以及谷歌自家的Gemini 4 Argon。
榜单目前排在首位的是
Claude Sonnet 5.5，通过率40%，完成率80.9%。10月初被纳入榜单的Claude Opus 5.5位居第二。
此次新增的模型里，OpenAI的GPT-6.1 Sol或许最受关注：通过率29.3%，完成率82.8%，调用成本却只要99.50美元（现汇率约合664.8元人民币）。排名第一的Claude调用成本则高达1,574.90美元（现汇率约合10,522元人民币）。
谷歌自家的Gemini 4 Argon首秀表现一般，位列第五，落后于其他前沿模型，甚至不如Claude Fable 5.1。其通过率只有21.3%，完成率81.8%，平均调用成本267.70美元（现汇率约合1,789元人民币）。
谷歌官宣Gemini 4 Argon后不久，就有内部消息称这款模型“难以处理部分编程任务”，但谷歌仍认可它的能力。
