Nella classifica di Android Bench 2.0 aggiornata da Google il 26 ottobre 2026, Gemini 4 Argon è sesto per tasso di superamento, con il 21,3%. Claude Fable 5.1 lo precede al quinto posto con il 22,7%. La configurazione valutata per Argon è Gemini 4 Argon (high) con l’agente antigravity-sdk.
I risultati di Android Bench 2.0
La tabella riporta le sei configurazioni nell’ordine del tasso di superamento mostrato da Google. I costi sono espressi in dollari per un’esecuzione completa del benchmark.
| Modello e agente | Tasso di superamento | Intervallo atteso | Tasso di completamento | Latenza media | Costo medio per esecuzione completa |
| Claude Sonnet 5.5 (max), claude-code | 40,0% | 24,0–56,0% | 80,9% | 70,7 ore | 1.574,9 US$ |
| Claude Opus 5.5 (max), claude-code | 37,3% | 22,0–52,0% | 85,6% | 56,6 ore | 1.150,3 US$ |
| GPT 6.1 Sol (max), codex | 29,3% | 15,3–42,7% | 82,8% | 26,6 ore | 99,5 US$ |
| GPT 6 Astra (high), codex | 28,0% | 13,3–42,0% | 82,2% | 7,9 ore | 375,7 US$ |
| Claude Fable 5.1 (high), claude-code | 22,7% | 10,7–36,0% | 82,4% | 22,2 ore | 492,6 US$ |
| Gemini 4 Argon (high), antigravity-sdk | 21,3% | 10,0–33,3% | 81,8% | 52,8 ore | 267,6 US$ |
Gli intervalli attesi mostrati per Claude Fable 5.1 e Gemini 4 Argon si sovrappongono: sono rispettivamente 10,7–36,0% e 10,0–33,3%. La classifica ordina le configurazioni in base al tasso di superamento, mentre gli intervalli descrivono un margine atteso di prestazione.
Che cosa valuta il benchmark
Android Bench 2.0 sottopone i modelli a 30 attività di ingegneria Android: 9 creazioni di app, 13 migrazioni, 6 nuove funzioni e 2 conversioni di app da altre piattaforme. Google esegue ogni attività cinque volte in modo indipendente.
Le prove si svolgono in ambienti containerizzati con dispositivi Android virtuali. La valutazione combina controlli funzionali deterministici e verifiche multimodali dell’interfaccia. Per ottenere un superamento completo, un’esecuzione deve raggiungere il punteggio massimo, superare i test funzionali, rispettare pienamente i requisiti visivi e non violare i vincoli dell’attività.
Come leggere completamento, costo e latenza
Il tasso di superamento conta le attività risolte integralmente; il tasso di completamento misura invece anche i progressi parziali nelle esecuzioni che non passano. Per Gemini 4 Argon, Google riporta un completamento dell’81,8% accanto a un tasso di superamento del 21,3%.
Costo e latenza sono medie per esecuzione completa del benchmark. Google avverte che un fallimento precoce può ridurre le risorse consumate e il tempo registrato; la latenza comprende anche il transito di rete, mentre il costo dipende dai prezzi API applicati durante le esecuzioni. Questi importi descrivono il costo dei test, non un abbonamento né il costo per ogni attività risolta.
Il risultato riguarda attività Android
La posizione di Gemini 4 Argon descrive le prestazioni della configurazione testata nelle attività Android di Android Bench 2.0. Il benchmark misura creazione e modifica di app Android, migrazioni e conversioni: il suo ordine in classifica si riferisce a questo insieme di compiti.
