Şirketin Mart ayında kullanıma sunduğu Android Bench liderlik tablosu artık Harbor adlı yeni bir test sistemi üzerinde çalışıyor. Google, bunun daha önce kullandığı eski, daha genel test aracının yerini aldığını ve eski kodu Jetpack Compose’a güncelleme veya giyilebilir cihaz ağ iletişimi gibi gerçek Android görevlerinde modellerin nasıl performans gösterdiğine dair daha iyi bir fikir verdiğini söylüyor.
Google Android uygulama kodu için yeni değişiklik
Test aracı değiştiğinden beri Google, her modeli tekrar bu araçtan geçirdi. Claude Fable 5, Claude Sonnet 5, Claude Opus 4.8, GLM 5.2, Kimi K2.7 Code, MiniMax M3, Qwen 3.7 Plus ve Qwen 3.7 Max dahil olmak üzere sekiz yeni model liderlik tablosuna eklendi.
Claude Fable 5, %84,5’lik skoruyla zirvede yer alırken, onu %80,2 ile GPT 5.5 ve %76,2 ile Claude Sonnet 5 takip ediyor. Ücretsiz, açık kaynaklı modeller arasında ise GLM 5.2 %72,2 ile liderliği elinde tutarken, Kimi K2.7 Code %70,4 ile ikinci sırada yer alıyor. Google’ın kendi Gemini 3.1 Pro modeli ise %73,7’lik skorla beşinci sırada bulunuyor. Kodlama çalışmalarınız için doğru modeli seçmek amacıyla Android Bench’e başvuruyorsanız, Android Bench web sitesine gidip güncellenmiş liderlik tablosunu kontrol etmelisiniz.
Google, Mart ayında Android Bench’i piyasaya sürdüğünde, şeffaflık için test metodolojisini ve test donanımını GitHub’da yayınlamıştı. Şimdi ise, geliştiricilerin kendi Android geliştirme görevlerini kıyaslamaya katkıda bulunmalarına izin vererek bu açık yaklaşımı daha da ileriye taşıyor. Geliştiriciler ayrıca, tercih ettikleri modellerle testleri kendileri çalıştırabilir ve sonuçları toplulukla paylaşabilirler.
Sıralamalar, OpenAI’nin yakın zamanda piyasaya sürdüğü GPT-5.6 Sol, Terra ve Luna gibi yeni modeller ortaya çıktıkça muhtemelen değişecektir. Android kodlama için bir yapay zeka aracı seçiyorsanız, mevcut sıralamayı kalıcı bir sıralama olarak değil, anlık bir görüntü olarak değerlendirin ve bir sonraki projeniz için birini seçmeden önce tekrar kontrol edin.
