谷歌Android Bench更新：Gemini 4 Argon编程能力落后Claude与GPT

谷歌近日对其面向安卓开发场景的AI编程辅助评测体系Android Bench进行了新一轮更新，结果显示自家Gemini 4 Argon在该基准上的表现明显不及竞品。Android Bench于今年年初上线，旨在帮助安卓开发者依据统一标准筛选适合代码开发辅助的AI模型，测试内容覆盖安卓开发特有的使用场景与最佳实践，谷歌还在排名中引入平均调用成本指标，便于开发者结合预算做取舍。

10月26日的更新中，谷歌为每个模型新增标注推理等级，并补充了多款模型的测试结果，包括OpenAI的GPT-6 Sol、GPT-6.1 Sol，Anthropic的Claude Sonnet 5、Claude Sonnet 5.5，以及谷歌自家的Gemini 4 Argon。榜单头名由Claude Sonnet 5.5拿下，通过率40%，完成率80.9%；10月初入榜的Claude Opus 5.5位列第二。

此次新增模型中最受关注的是OpenAI的GPT-6.1 Sol，其通过率为29.3%，完成率82.8%，但调用成本仅为99.50美元（约合664.8元人民币）。作为对比，排名第一的Claude调用成本高达1,574.90美元，两者在成本维度差距显著。

从榜单结果看，Gemini 4 Argon在编程辅助能力上落后于Claude与GPT系列的最新版本，谷歌自家模型未能在自家主导的基准中占据优势。该榜单同时纳入通过率、完成率与调用成本，为开发者在模型选型时提供了多维权衡依据。