Beobachtetes Signal · 16. Sept. 2026 · Technical Release · Quelle: Android Developers Blog · Relevanz: 4/5 · Sentiment: Positiv
Google veröffentlicht Android Bench 2.0 für agentische Bewertungen
Google hat Android Bench 2.0 veröffentlicht, einen erweiterten Benchmark zur Evaluierung von Large Language Models (LLMs) und Coding Agents bei komplexen Android-Entwicklungsaufgaben. Das Update führt sogenannte Long-Horizon Tasks (LHTs) ein, die mehrstägige Ingenieursarbeiten simulieren und über einfache Bugfixes hinausgehen. Anstelle einer binären Bestanden/Nicht-bestanden-Metrik nutzt Android Bench 2.0 ein kontinuierliches Scoring zur differenzierten Leistungsbewertung. Zudem werden agentische Evaluationen durchgeführt, bei denen Modelle mit Systemen wie GPT-5.6 Sol auf Codex und Gemini 3.8 Flash auf Google Antigravity kombiniert werden. Auf der aktualisierten Bestenliste erzielt OpenAI GPT-6 Astra die höchste Erfolgsquote von 28 Prozent bei LHTs, verglichen mit 91 Prozent bei Standardaufgaben. Die Veröffentlichung unterstreicht Googles Engagement für eine realistischere und strengere Bewertung KI-gestützter Android-Entwicklung.
Wichtiges Plattform-Update von Google zur Methodik der KI-Agenten-Evaluierung mit direktem Einfluss auf die KI-gestützte Entwicklung sowie Relevanz für Tech-Infrastrukturen von KI-Agenten.
Marktsignale zu Google in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Google hat Android Bench 2.0 mit Long-Horizon Tasks (LHTs) vorgestellt, die mehrtägige Entwicklungsarbeiten abbilden.
- Das System nutzt kontinuierliches Scoring zur Bewertung von Funktionalität, visueller Treue und Regressionen anstelle binärer Ergebnisse.
- Die höchste Erfolgsquote bei LHTs liegt bei etwa 28 Prozent, während sie bei ursprünglichen Aufgaben 91 Prozent erreicht.
- Es werden agentische Evaluationen eingeführt, die Modelle wie GPT-5.6 Sol mit Codex und Gemini 3.8 Flash mit Google Antigravity koppeln.
- Neue Modelle wie Gemini 3.8 Flash, OpenAI GPT-6 und Anthropic Fable 5.1 wurden hinzugefügt, wobei GPT-6 Astra das LHT-Ranking anführt.
Verknüpfte Unternehmen
4 verknüpfte Unternehmen“Google announced the release of Android Bench 2.0....”
“New models added include OpenAI's GPT-6 and GPT-5.6 Sol....”
“Anthropic's Fable 5.1 was added to the leaderboard....”
“Qwen 3.8 Max was added to the leaderboard....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Google veröffentlicht Gemini 3.1 Pro und erzielt neue Benchmark-Rekorde
Google hat Gemini 3.1 Pro vorgestellt, die neueste Iteration seines Large Language Models. Das Modell steht ab sofort als Preview bereit, die allgemeine Verfügbarkeit (General Availability) soll in Kürze folgen. Laut von Google zitierten unabhängigen Benchmark-Ergebnissen – darunter „Humanity's Last Exam“ sowie das APEX-System von Mercor – übertrifft Gemini 3.1 Pro seinen Vorgänger Gemini 3 deutlich. Brendan Foody, CEO des KI-Startups Mercor, bestätigte, dass das Modell die Spitzenposition im APEX-Agents-Leaderboard übernommen hat. Dieses Update erfolgt vor dem Hintergrund eines verschärften Wettbewerbs im Segment der hochentwickelten LLMs mit Rivalen wie OpenAI und Anthropic. Es unterstreicht die rasanten Fortschritte bei Foundation Models, die speziell für agentische Workflows, mehrstufige logische Schlussfolgerungen (Multi-Step Reasoning) und komplexe professionelle Aufgaben optimiert sind.
Google baut Android-Toolchain für KI-Agenten um
Google hat die Android-Entwicklungstoolchain grundlegend redesignet, um Workflows für KI-Agenten zu optimieren. Das Update umfasst drei Kernkomponenten: die Android CLI als standardisierte, agentenzentrierte Befehlszeilenschnittstelle, Android Skills in Form von SKILL.md-Modulen zur Paketierung von Best-Practice-Workflows sowie die Android Knowledge Base für den Echtzeitzugriff auf autorisierte Dokumentationen über die CLI. Ziel ist es, den Aufwand von Agenten bei der Erkennung von Umgebungen drastisch zu reduzieren. Interne Experimente von Google zeigen eine Reduzierung des LLM-Token-Verbrauchs um über 70 Prozent und eine rund dreimal schnellere Erledigung von Kernentwicklungsaufgaben. Die Android Skills basieren auf dem offenen Standard agentskills.io und sind agentenunabhängig. Das System ist nahtlos in Android Studio integriert, sodass über die CLI bereitgestellte Projekte direkt in der IDE geöffnet werden können. Die Veröffentlichung beinhaltet offizielle Skills und plattformübergreifende Installer.
Koreanisches KI-Labor Upstage veröffentlicht Solar Mini 4
Das koreanische KI-Labor Upstage hat sein neues Modell Solar Mini 4 veröffentlicht. Zu den weiteren Branchenentwicklungen gehört Gemini 4 Argon, womit Google seine Position als eines der drei führenden Labore für Künstliche Intelligenz zurückgewinnt. Zudem wurde AA-AgentPerf-Local zur Evaluierung lokaler KI-Agenten auf Laptops und Workstations vorgestellt. Das Modell GPT-6.1 Sol ersetzt GPT-6 Sol nach nur sieben Tagen und erreicht nahezu Astra-Niveau. Darüber hinaus wurde die Artificial Analysis Cyber Index Alliance angekündigt, und Claude Sonnet 5.5 sichert sich den zweiten Platz im Artificial Analysis Intelligence Index, was den intensiven Wettbewerb und die rasante Innovationsgeschwindigkeit im globalen KI-Ökosystem unterstreicht.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.