Google 更新 Android Bench：新增多款 LLM，但 Gemini 仍落后

Google 更新用于评估 Android 应用开发代理的 Android Bench，测试集仍包含 100 项开发任务，并加入成本、效率和开放权重模型等指标。新版新增 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，同时邀请开发者提交测试与反馈。