Google, Android geliştirme görevlerinde yapay zekâ modellerinin performansını karşılaştıran Android Bench listesini güncelledi. Yeni sonuçlarda Claude Sonnet 5.5 ilk sırada yer alırken Google’ın Gemini 4 Argon modeli beşinci oldu.
Yılın başında kullanıma sunulan Android Bench, geliştiricilerin Android kodlama işleri için uygun modeli seçmesine yardımcı olmayı amaçlıyor. Değerlendirmeler, Android geliştirme süreçlerindeki teknik gereksinimler ve iyi uygulamalar esas alınarak yapılıyor.
Claude Sonnet 5.5 listenin başında
26 Ekim’de yayımlanan güncellemeye akıl yürütme seviyeleri ve yeni test sonuçları eklendi. Listede OpenAI’ın GPT-6 Sol ve GPT-6.1 Sol modelleriyle Anthropic’in Claude Sonnet 5 ve 5.5 sürümleri de değerlendirildi.
Güncel sıralamada Claude Sonnet 5.5, yüzde 40 başarı ve yüzde 80,9 tamamlanma oranıyla ilk sırada bulunuyor. Ekim başında listeye eklenen Claude Opus 5.5 ise ikinci sırada yer alıyor.
GPT-6.1 Sol, yüzde 29,3 başarı ve yüzde 82,8 tamamlanma oranına ulaştı. Modelin ortalama maliyeti 99,50 dolar olarak verilirken Claude için belirtilen maliyet 1.574,90 dolar.
Gemini 4 Argon beşinci sırada
Google’ın Gemini 4 Argon modeli Android Bench’te yüzde 21,3 başarı ve yüzde 81,8 tamamlanma oranı elde ederek beşinci sıraya yerleşti. Modelin ortalama maliyeti 267,70 dolar olarak açıklandı. Sonuçlarda Gemini 4 Argon, Claude Fable 5.1’in de gerisinde kaldı.
Gemini 4 Argon’un duyurulmasından kısa süre sonra yayımlanan raporlarda, modelin bazı kodlama görevlerinde zorlandığı öne sürülmüştü. Google ise bu iddialara karşın modelinin yeteneklerini savunmayı sürdürüyor.
Listeye maliyet verileri de eklendi
Android Bench’in güncel sürümü, modellerin ortalama maliyetlerini de gösteriyor. Böylece geliştiriciler performans sonuçlarını bütçeyle birlikte değerlendirebiliyor.
Google’ın testleri, yapay zekâ modellerinin Android geliştirmedeki performansını karşılaştırmak için bir referans sunuyor. Sonuçlar, modellerin farklı görevlerde farklı başarı düzeyleri gösterebildiğini ortaya koyuyor.
