待验证50% 置信基准精确时间

对于长周期任务（如迁移整个应用、从零构建复杂应用），前沿模型在Android Bench v2上的成功率也仅有3%到40%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/30

首次发现

有效期至：2027/1/28

来源

小模型智能体编程：成本降百倍，成功率翻倍

youtubeAndroid Developers2026/10/30

涉及实体

Android Bench v2benchmark 前沿模型concept

相关事实

待验证在 Android Bench 上，某模型仅用「migrate nav2 to nav3」这类自然提示时通过率为 22%；预先提供一套会失败的测试套件后，整体基准通过率跃升至 90%。66% 相似待验证在真实安卓设备上，同一个4B小模型仅通过改变「何时询问模型」的策略，成功率从0/20跃升到20/20。66% 相似待验证在 AutomationBench 和 VitaBench 上，SpecAgent 恢复了两模型质量差距的 44% 到 75%，同时降低了延迟和内存开销。66% 相似待验证在谷歌的 Android World 基准测试中，Artemis 报告的成功率高达 99%，该测试覆盖20多款应用、100多项多步骤任务65% 相似待验证AutomationBench-AA 的 68% 完成率表明模型在自动化任务中仍有约三分之一的失败空间，距离可靠的生产级代理还有距离。61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1117970

API

curl https://kongchang.com/api/v1/knowledge/claims/1117970

MCP

get_claim(id=1117970)