10月28日，谷歌更新了用于评估AI模型安卓编程辅助能力的AndroidBench榜单，新增标注各模型所采用的推理等级，并补充了OpenAI的GPT-6Sol、GPT-6.1Sol、Claude Sonnet5、Claude Sonnet5.5以及谷歌自家Gemini4Argon等多款模型的测试结果。

目前榜单第一名是Claude Sonnet5.5，通过率40%，完成率80.9%。10月初加入榜单的Claude Opus5.5位列第二。OpenAI的GPT-6.1Sol通过率29.3%，完成率82.8%，调用成本仅99.50美元；相比之下，排名第一的Claude调用成本高达1574.90美元。

谷歌自家Gemini4Argon首秀表现平平，排在第五位，通过率仅有21.3%，完成率81.8%，平均调用成本267.70美元，明显落后于其他前沿模型，甚至不及Claude Fable5.1。谷歌官宣Gemini4Argon之后不久，就有内部消息称该模型难以处理部分编程任务，不过谷歌依旧认可其能力。AndroidBench于今年年初推出，测试会考量安卓开发特有的使用场景以及安卓开发的最佳实践，谷歌在持续开展测试、纳入新模型排名的同时，还把平均调用成本纳入基准指标，方便开发者结合自身需求做选择。