Google lança Android Bench 2.0 com tarefas longas e scoring contínuo
O Google lançou o Android Bench 2.0, uma atualização do framework de benchmark para avaliar modelos de IA e agentes em tarefas de desenvolvimento para Android. A versão inclui long-horizon tasks (LHTs), que podem levar “vários dias ou até uma semana” para um engenheiro concluir, além de avaliação agentic com agentes de provedores de modelos.
O Android Bench 2.0 também muda a forma de medir desempenho: sai o pass/fail binário e entra um sistema de pontuação mais detalhado, combinando fatores como funcionalidade, fidelidade visual e prevenção de regressões, com penalidades objetivas por desvios das instruções. No dashboard, modelos como Gemini 3.8 Flash, OpenAI GPT-6, Anthropic Fable 5.1 e Qwen 3.8 Max aparecem no ranking, com o Claude Opus 5.5 liderando entre as LHTs (32% de pass rate), seguido pelo GPT 6 Astra (28%).
InfoQ
O texto acima é um resumo reescrito. A apuração, o texto integral e os créditos são da fonte — abra o original para ler na íntegra.
Ler matéria original ↗Resumo gerado por IA a partir da matéria original e revisto pelo método descrito em como funciona a curadoria. Em caso de divergência, vale o texto da fonte. Achou um erro? Fale com a gente.