Η Google κυκλοφόρησε ένα άλλο σύνολο αποτελεσμάτων συγκριτικής αξιολόγησης για να καθορίσει τα καλύτερα μοντέλα τεχνητής νοημοσύνης για κωδικοποίηση Android, με κάθε μοντέλο να κοστίζει ανά διακριτικό. Το Gemini 3.5 Flash της Google είναι εύκολα το πιο εντατικό σε πόρους στην ανάπτυξη Android και δεν μπαίνει καν στην πρώτη πεντάδα.
Καθώς η διαφημιστική εκστρατεία για τα απλά chatbot εξαντλείται, εταιρείες όπως η Google, η OpenAI και η Anthropic κινούνται προς μοντέλα πρακτόρων με ισχύ στην κωδικοποίηση. Οι χρήστες έχουν αρχίσει να βασίζονται σε αυτά τα μοντέλα για «κωδικοποίηση vibe», ουσιαστικά εκφορτώνοντας μεγάλο μέρος της ανάπτυξης λογισμικού στο LLM.
Τα πρόσφατα μοντέλα έχουν βελτιώσει δραματικά την κωδικοποίηση Android και η Google παρακολουθεί ποια μοντέλα έχουν καλύτερη απόδοση τους τελευταίους μήνες. Το “Android Bench” περνά από ενημερώσεις καθώς η Google κυκλοφορεί τα δικά της μοντέλα, όπως το πιο πρόσφατο Gemini 3.5 Flash, και τα συγκρίνει με τον ανταγωνισμό.
Το κλειδί είναι πώς η Google αναλύει αυτά τα μοντέλα. Κάθε μοντέλο λαμβάνει μια βαθμολογία στα 100, υποδεικνύοντας το ποσοστό των περιπτώσεων κωδικοποίησης Android που μπορεί να επιλύσει με επιτυχία σε 10 εκτελέσεις. Η Google απαριθμεί την αναμενόμενη απόδοση και την τελευταία ημερομηνία δοκιμής, με ορισμένες υψηλές επιδόσεις να παραμένουν από τον Φεβρουάριο.
Στην τελευταία έκδοση του Android Bench, τα αποτελέσματα δίνουν μια πιο ακριβή εικόνα. Το Gemini 3.5 κατέλαβε την 6η θέση στη λίστα Android Bench σε μοντέλα όπως το Flash GPT 5.5 και το Gemini 3.1 Pro Preview, τα οποία δοκιμάστηκαν τον Φεβρουάριο.
Το Gemini 3.5 Flash προβλήθηκε ως φθηνότερη και ταχύτερη εναλλακτική του Gemini 3.1 Pro, με αναμενόμενο χάσμα απόδοσης 6,1%. Τα νέα αποτελέσματα αναφοράς λένε διαφορετικά για την ανάπτυξη Android, καθώς το Gemini 3.5 Flash έχει υψηλότερο λανθάνοντα χρόνο και περιθώριο επιτυχίας απόδοσης 9%.
Το kicker – μια σειρά αναφοράς του τελευταίου μοντέλου της Google κοστίζει κατά μέσο όρο 355,9 μάρκες στα 147,1 $, περίπου το ένα τρίτο των 73,3 μάρκες του Gemini 3.1 Pro Preview.
Φυσικά, αξίζει να σημειωθεί ότι η Google παραθέτει την έκδοση προεπισκόπησης του Gemini 3.1 Pro. Τούτου λεχθέντος, το μοντέλο προεπισκόπησης έχει υψηλότερη βαθμολογία από ένα μοντέλο που σημαίνει ταχύτερο και πιο αποτελεσματικό.
Το GPT 5.5 κοστίζει παρόμοια ανά εκτέλεση, αλλά το Gemini 3.5 Flash χρησιμοποίησε 5,5 φορές περισσότερα διακριτικά στη δοκιμή πάγκου Android. Το προηγούμενο μοντέλο του Claude, το Opus 4.7, βρίσκεται ακριβώς στη μέση του πακέτου, με ελαφρώς χαμηλότερο κόστος λειτουργίας και τέταρτη θέση στη χρήση συμβολικών. Η Google δεν έχει δημοσιεύσει αποτελέσματα αναφοράς για το Opus 4.8 ή το Fable 5 για αυτό το θέμα.
Εδώ είναι τα δέκα κορυφαία μοντέλα όπως κατατάχθηκε πρόσφατα από την Google Πάγκος Android ελευθέρωση:
| μοντέλο | σκορ | μέση καθυστέρηση | Μέσες συνολικές μάρκες | μέσο κόστος |
|---|---|---|---|---|
| GPT 5.5 | 74 | 15.7 | 64,7 | 134,2 $ |
| GPT 5.4 | 72.4 | 21.2 | 64.2 | 91,7 $ |
| Προεπισκόπηση Gemini 3.1 Pro | 72.4 | 11.1 | 73.3 | 47,9 $ |
| Διακοπή εργασίας 4.7 | 68,7 | 11.6 | 90,0 | 124,3 $ |
| Διακοπή εργασίας 4.6 | 66.6 | 9.9 | 69,5 | 84,4 $ |
| Gemini 3.5 Flash | 63,7 | 14.2 | 355,9 | 147,1 $ |
| GLM 5.1 | 59,7 | 33.4 | 80.2 | 46,7 $ |
| Όπως το K2.6 | 58.6 | 29.9 | 94.3 | 42,5 $ |
| Claude Sonnet 4.6 | 58.4 | 8.2 | 47,9 | 40,4 $ |
| DeepSeek V4 Pro | 55.4 | 35.8 | 132,7 | 13,7 $ |
| Claude Sonnet 4.5 | 53.7 | 13.1 | 94.2 | 61,0 $ |
Η λίστα περιλαμβάνει πολλά μοντέλα ανοιχτού βάρους, συμπεριλαμβανομένων γνωστών μοντέλων κλειστού βάρους, όπως το Cloud και το GPT. Το υψηλό επίπεδο της λίστας είναι ουσιαστικά αμετάβλητο από το τελευταίο Android Benchmark, με εξαίρεση τον κωδικοποιητή GPT 5.3 που έχει αφαιρεθεί από τη λίστα.
μπορείτε να δείτε Πλήρης κατάταξη στον ιστότοπο της Google.
Η Google ενημερώνει τακτικά αυτήν τη λίστα καθώς ελέγχονται περισσότερα μοντέλα. Στον πυρήνα του, αυτό φαίνεται σαν ένας σταθερός δείκτης της αποτελεσματικότητας του μοντέλου στην ανάπτυξη Android. Το Gemini 3.5 Flash ήταν μια σταθερή βελτίωση για άλλες εργασίες LLM και agent, ακόμη και όταν η Google κινήθηκε γύρω από τα όρια κόστους και χρήσης. Οι αριθμοί κυκλοφορίας της Google δεν μπορούν να αγνοηθούν εντελώς, αν και η κωδικοποίηση Android προφανώς δεν είναι το δυνατό κοστούμι του Gemini 3.5 Flash.
Περισσότερα για το AI:
FTC: Χρησιμοποιούμε αυτόματους συνδέσμους συνεργατών για να δημιουργήσουμε εισόδημα. Περισσότερο