فهرست مطالب
شرکت گوگل با انتشار نتایج جدید Android Bench نشان داد که مدل Gemini 4 Argon در کدنویسی اندروید از مدل‌های کلود و GPT-6 عقب‌تر است.
به گزارش سرویس هوش مصنوعی تکناک، بنچمارک Android Bench، توانایی مدل‌های هوش مصنوعی را در کمک به توسعه اندروید ارزیابی می‌کند.
بیشتر بخوانید: شرکت OpenAI از سه دستاورد بزرگ علمی رونمایی کرد
هدف Android Bench چیست؟
گوگل در ابتدای سال جاری، Android Bench را با هدف کمک به توسعه‌دهندگان اندروید معرفی کرد تا آنها بتوانند بر اساس نتایج آزمون‌های این شرکت، مدل‌های مناسب‌تر را برای برنامه‌نویسی اندروید سریع‌تر شناسایی کنند.
این بنچمارک معیارهایی را بررسی می‌کند که به‌طور مشخص با کدنویسی اندروید و رعایت بهترین شیوه‌های توسعه برای این پلتفرم مرتبط هستند.
همچنین گوگل با گسترش ارزیابی‌ها و افزودن مدل‌های جدید، میانگین هزینه استفاده از هر مدل را در نتایج گنجانده است تا توسعه‌دهندگان بتوانند عملکرد و هزینه را هم‌زمان در تصمیم‌گیری خود لحاظ کنند. در به‌روزرسانی ۲۶ اکتبر، سطح استدلال فعال برای هر مدل نیز به معیارهای ثبت‌شده اضافه شد. همچنین این نسخه نتایج چهار مدل جدید از OpenAI و آنتروپیک، شامل GPT-6 Sol، GPT-6.1 Sol، Claude Sonnet 5 و Claude Sonnet 5.5 را در کنار مدل اختصاصی گوگل، Gemini 4 Argon در بر می‌گیرد.
برای مطالعه بیشتر: حباب چند تریلیون دلاری هوش مصنوعی در آستانه انفجار؛ زنگ خطر برای اقتصاد جهانی
امتیاز مدل‌ها در کدنویسی اندروید
در صدر جدول فعلی، Claude Sonnet 5.5 قرار دارد که نرخ قبولی ۴۰ درصدی و نرخ تکمیل وظایف ۸۰.۹ درصدی را ثبت کرده است. Claude Opus 5.5 نیز که اوایل اکتبر به فهرست راه یافته بود، در جایگاه دوم قرار گرفته است. در میان مدل‌های تازه‌اضافه‌شده، GPT-6.1 Sol از OpenAI توجه‌برانگیز است. این مدل با نرخ قبولی ۲۹.۳ درصد و نرخ تکمیل وظایف ۸۲.۸ درصد، عملکرد قابل توجهی دارد؛ در حالی که میانگین هزینه آن تنها ۹۹.۵۰ دلار گزارش شده است. این رقم اختلاف چشمگیری با هزینه ۱۵۷۴.۹۰ دلاری Claude Sonnet 5.5، مدل صدرنشین جدول دارد و می‌تواند GPT-6.1 Sol را از نظر هزینه در برابر عملکرد به گزینه‌ای جذاب تبدیل کند.
حتما بخوانید: گروک هفت دقیقه ابتدایی نسخه هوش مصنوعی «اودیسه» را منتشر کرد
در مقابل، Gemini 4 Argon در نخستین حضور خود در Android Bench چندان موفق ظاهر نشده و در رتبه پنجم قرار گرفته است، که پایین‌تر از چندین مدل پیشرفته رقیب است. این مدل حتی از Claude Fable 5.1 نیز عقب می‌ماند و نرخ قبولی آن به ۲۱.۳ درصد می‌رسد. نرخ تکمیل وظایف Gemini 4 Argon برابر با ۸۱.۸ درصد و میانگین هزینه آن ۲۶۷.۷۰ دلار اعلام شده است. عملکرد این مدل با گزارش‌هایی که اندکی پس از معرفی آن منتشر شدند نیز هم‌راستا به نظر می‌رسد. در آن گزارش‌ها، برخی منابع داخلی گوگل گفته بودند که Gemini 4 Argon «در انجام برخی وظایف کدنویسی اندروید با مشکل مواجه می‌شود». با وجود این انتقادها، گوگل همچنان از قابلیت‌های مدل خود دفاع کرده است.
