Google cập nhật Android Bench: Gemini 4 Argon tụt lại sau Anthropic và OpenAI
Google đã cập nhật bảng xếp hạng Android Bench, công bố kết quả của các mô hình như Gemini 4 Argon, Claude Sonnet 5.5 và GPT-6.1 Sol. Mô hình Gemini 4 Argon của Google có màn ra mắt ở vị trí thứ năm, tụt lại đáng kể so với các đối thủ trong các tác vụ phát triển ứng dụng Android. Bản cập nhật bảng xếp hạng này làm nổi bật khoảng cách về hiệu năng và sự đánh đổi giữa chi phí và hiệu suất giữa các mô hình AI tiên tiến trong các tình huống phát triển di động chuyên biệt. Nó giúp các nhà phát triển lựa chọn công cụ hiệu quả nhất bằng cách tính đến cả tỷ lệ hoàn thành tác vụ lẫn chi phí gọi API. Claude Sonnet 5.5 giành vị trí dẫn đầu với tỷ lệ vượt qua bài kiểm tra là 40%, trong khi GPT-6.1 Sol của OpenAI đạt tỷ lệ hoàn thành cao với chi phí thấp hơn đáng kể ở mức 99,50 USD. Trong khi đó, Gemini 4 Argon chỉ đạt tỷ lệ vượt qua 21,3% và chi phí gọi trung bình là 267,70 USD, xếp sau cả Claude Fable 5.1.
## KIẾN THỨC NỀN
Android Bench là một khung đánh giá chuyên biệt do nhóm phát triển Android tạo ra nhằm đánh giá các mô hình ngôn ngữ lớn (LLM) dựa trên mã nguồn di động, khả năng tạo bản vá mã và các thách thức kỹ thuật đặc thù của Android. Công cụ này đánh giá mức độ thành thạo của các mô hình AI trong việc xử lý các tác vụ phát triển di động thực tế và tuân thủ các tiêu chuẩn tốt nhất.