谷歌升级Android Bench代码排行榜:Claude5斩获榜首，Gemini准确率与效率双落后

谷歌7月9日宣布对Android Bench排行榜重大改版，全面引入标准化Harbor沙箱框架，将测试迁移至安全隔离环境，简化全球开发者运行评估及数据共享流程，并通过GitHub开源允许社区提交自定义任务。但在重新测定排名中，谷歌自家模型表现不佳，落后于Anthropic旗下模型。