بر اساس گزارش منتشرشده توسط 9to5Google، شرکت گوگل فهرست Android Bench را برای ارزیابی توانایی مدل‌های هوش مصنوعی در کدنویسی اندروید به‌روزرسانی کرده است. نتایج تست‌ها نشان می‌دهد مدل Gemini 4 Argon متعلق به خود گوگل عملکردی ضعیف ثبت کرده و بسیار عقب‌تر از رقبای اصلی خانواده Claude و GPT قرار گرفته است.
معیارهای Android Bench و به‌روزرسانی ۲۶ اکتبر
گوگل بنچمارک Android Bench را اوایل سال جاری میلادی راه‌اندازی کرد تا توسعه‌دهندگان بتوانند کارآمدترین هوش مصنوعی را برای کدنویسی اختصاصی اندروید و پیاده‌سازی الگوهای استاندارد انتخاب کنند. این مرجع همچنین میانگین هزینه فراخوانی را برای انتخاب هوشمندانه بودجه ثبت می‌کند. در به‌روزرسانی ۲۶ اکتبر، گوگل متریک 'سطح استدلال' (Reasoning Level) را همراه با نتایج مدل‌های OpenAI GPT-6 Sol ،OpenAI GPT-6.1 Sol ،Claude Sonnet 5 ،Claude Sonnet 5.5 و Gemini 4 Argon اضافه کرد.
برتری Claude Sonnet 5.5 و راندمان اقتصادی GPT-6.1 Sol
در صدر جدول رده‌بندی، مدل Claude Sonnet 5.5 با نرخ قبولی (Pass Rate) معادل ۴۰ درصد و نرخ تکمیل ۸۰.۹ درصد جای گرفته است. مدل Claude Opus 5.5 نیز که اوایل اکتبر وارد جدول شد رتبه دوم را دارد. با این حال هزینه استفاده از Claude Sonnet 5.5 رقم بالای ۱,۵۷۴.۹۰ دلار است. مدل GPT-6.1 Sol با ثبت ۲۹.۳ درصد قبولی، ۸۲.۸ درصد تکمیل و هزینه پایین ۹۹.۵۰ دلار، گزینه‌ای به‌مراتب باصرفه‌تر برای برنامه‌نویسان ظاهر شده است.
رتبه پنجم برای Gemini 4 Argon
مدل جدید Gemini 4 Argon شروعی ناامیدکننده داشت و حتی پشت سر Claude Fable 5.1 در جایگاه پنجم نشست. این مدل تنها به ۲۱.۳ درصد قبولی و ۸۱.۸ درصد تکمیل با میانگین هزینه ۲۶۷.۷۰ دلار دست یافت. این نتایج ادعاهای گزارش‌های داخلی قبلی را تأیید می‌کند که اعلام کرده بودند Gemini 4 در حل برخی تسک‌های کدنویسی با چالش‌های اساسی روبه‌رو است، اگرچه گوگل رسماً از قابلیت‌های آن دفاع می‌کند.
خرید قانونی کلود هوش مصنوعی (Claude AI)
فعال‌سازی مستقیم با کارت‌های بین‌المللی معتبر، بدون واسطه، با ضمانت کامل تا آخرین روز اشتراک و پشتیبانی سریع در شیرازگِیت.
دیدگاه خود را بنویسید