جوجل تعدل معايير تقييم نماذج الذكاء الاصطناعي لتطوير أندرويد وتحدث قائمة Android Bench

أعلنت شركة جوجل عن تغييرات في طريقة اختبار نماذج الذكاء الاصطناعي المخصصة لتطوير تطبيقات أندرويد، وذلك بعد صدور تصنيفات جديدة تصدرها نموذج Claude Fable 5.

في وقت سابق من هذا العام، أطلقت جوجل نظام "Android Bench" الذي يعد بمثابة تصنيف سريع لأفضل نماذج الذكاء الاصطناعي بناءً على قدرتها على كتابة أكواد برمجية لتطبيقات أندرويد. هذا التصنيف لا يعبر عن ترتيب عام للنماذج، لكنه أداة مهمة للمطورين.

أوضحت جوجل أنها ستجري بعض التعديلات على طريقة تقييم هذه النماذج، حيث سيتم استبدال نظام القياس الأساسي الحالي بإطار العمل الموحد Harbor. كان النظام السابق يعتمد على أداة mini-swe-agent v1 التي صممت للاستخدام العام، والتي تم من خلالها تصنيف نماذج مثل GPT-5.5 وClaude Opus 4.7 وGemini 3.1 Pro Preview.

الانتقال إلى إطار Harbor يتيح لمطوري أندرويد استخدام نفس الأدوات لتحليل نماذج الذكاء الاصطناعي وفقًا لحالات استخدام محددة. كما أعلنت جوجل عن فتح نظام Android Bench أمام المستخدمين الراغبين في تقديم مهام تطوير أندرويد ليتم تقييم أداء النماذج في كل سيناريو. بالإضافة إلى ذلك، دعت جوجل المطورين لمشاركة تقييماتهم الخاصة بالاختبارات.

وقالت جوجل: "منذ البداية، حرصنا على اتباع نهج شفاف ومفتوح، ولذلك نشرنا منهجيتنا الأصلية وأدوات الاختبار على منصة GitHub. وبناءً على طلباتكم لتوفير إمكانية تقديم ملاحظات على مجموعة البيانات، نأخذ التعاون خطوة إضافية من خلال منح مجتمع مطوري أندرويد فرصة للمساهمة في تشكيل Android Bench".

وفي إطار التحديث، جددت جوجل قائمة Android Bench باستخدام إطار Harbor الجديد لتقييم نماذج الذكاء الاصطناعي، حيث أعيد تقييم كل نموذج من النماذج ذات الأوزان المغلقة والمفتوحة على حد سواء.

وحافظ نموذج Claude Fable 5 على صدارته للقائمة بفارق مريح، حيث حصل على درجة 84.5، متفوقًا بأربعة نقاط على نموذج GPT-5.5 الذي سجل 80.2 نقطة. بينما جاء نموذج Claude Sonnet 5 أقل بنحو عشر نقاط عن Fable 5. ويبدو أن ادعاءات شركة Anthropic بقوة نماذجها معقولة، مع الإشارة إلى أن Fable 5 لا تزال تخضع لقيود صارمة.

حصل معظم نماذج الذكاء الاصطناعي المدرجة في تصنيفات Android Bench السابقة على درجات جديدة، نظرًا لتغير قواعد التقييم الأساسية. وفيما يلي التصنيف الجديد وفقًا لنظام Android Bench: