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

谷歌更新 Android Bench 安卓编程辅助评测榜单，新增标注各模型推理等级并补充多款模型结果。Claude Sonnet 5.5 以通过率 40%、完成率 80.9% 居首，GPT-6.1 Sol 通过率 29.3%、完成率 82.8%，调用成本仅 99.50 美元，而榜首 Claude 调用成本达 1,574.90 美元。