哪款AI在官方基准测试中写Android代码的表现最为出色？

Android 开发的 AI 大赛：谁才是代码之王？

说起 Android 编程，你会想到什么，整起来。？

YYDS... 那种一行行 Kotlin 或 Java 把 UI 搭起来、调试 Log 的日子。

但现在又多了一件事——AI 写代码。你是不是也想问，哪款 AI 在官方基准里写 Android 代码最强？

先别急着去选模型，先了解这场“测评”到底是什么样的。

Google 最近跑了一个叫 Android Bench 的测试，抓到重点了。。

它可不是随便挑几条代码跑跑， 而是把真实项目 内卷... 里的所有 BUG 给抽出来让 AI 来修复。

不管你给它多少注释，也不管它生成的代码是不是优雅——只看能不能让测试全部通过。

怎么防止 AI “作弊”呢？

有人会说：如果给它看了测试用例，它可以直接改测试逻辑，让自己看起来像通关一样。

Android Bench 把这件事想得很细致。它在每个任务里加了一个 Oracle Agent——专门检查评测流程本身是否正确，而不是检查模型答案，这东西...。

还有个重试机制：如果一次跑不通，它会再试几次。只要有一次能通过就算成功。但如果需要跑好多次才成功， 它会标记为 PASSED_FLAKY可信度比一次直接通过低一些，不是我唱反调...。

为什么要这么严格？

主要原因是我们不想看到 AI 在训练集里已经见过答案，然后直接把答案硬塞进去。

不夸张地说... 所以每个任务都锁定到一个精准的 git commit。所有模型面对的是同一份代码状态，没有人能挑肥拣瘦。