Android Bench – October 26, 2026 update

Android Bench October 2026
画像：gpad.tv

スポンサーリンク

グーグルは、Android アプリ開発における AI モデルの実力を比較するベンチマーク「Android Bench」のリーダーボードを10月26日に更新しました。今回の更新では、各モデルの結果に推論レベル（reasoning effort）が表示されるようになったほか、claude-code エージェントでの Claude Sonnet 5.5、antigravity-sdk での Gemini 4 Argon、codex での GPT 6.1 Sol の結果が新たに追加され、Claude Sonnet 5 と GPT 6 Sol の結果はアーカイブに移されました。

Android Bench は、既存のコーディングベンチマークでは Android 特有の課題を測れないとして、グーグルが2026年3月に公開したものです。Flutter や React Native アプリのネイティブ化（2件）、フードデリバリーアプリや OpenLibrary API を使った書籍検索アプリの機能実装（10件）、Bitwarden や Signal、Now in Android、WordPress などの実在のコードベースを XML View から Compose、Hilt から Koin、Java から Kotlin へ移行する作業（13件）、Media3 の動画再生や CameraX、ユーザー補助対応などの新機能追加（5件）の計30タスクで構成され、各モデルを通常5回ずつ実行して平均を取ります。指標はタスクの解決率（Pass rate）のほか、失敗した場合も含めてどこまで近づいたかを示す完了率、所要時間、1回あたりのコストです。

10月26日時点のリーダーボードでは、claude-code 経由の Claude Sonnet 5.5（max）が解決率 40.0%、完了率 80.9% で首位、同じく Claude Opus 5.5（max）が 37.3% で2位に続きます。3位は codex 経由の GPT 6.1 Sol（max）で 29.3%、コストは 99.5ドルと上位の中では圧倒的に安く、4位の GPT 6 Astra（high）は 28.0% ながら所要時間 7.9時間と最も速い部類です。グーグル自身の最新モデルである Gemini 4 Argon（high、antigravity-sdk）は解決率 21.3%、完了率 81.8%、コスト 267.6ドルで6位にとどまり、5位の Claude Fable 5.1（high）の 22.7% をわずかに下回りました。以下、Qwen3.8 Max が 12.5%、Kimi K3 が 12.0%、GPT 6 Luna が 10.7%、Gemini 3.8 Flash が 8.0%、Gemini 3.7 Flash が 7.3% と続きます。

グーグルは、解決率の信頼区間が広く、隣接するモデル間の差は統計的に明確でない場合があると注記しています。最上位でも30タスクの4割程度しか解決できていない点からも、Android の実務的な開発タスクが AI エージェントにとってまだ難しい領域であることがうかがえます。

■ 10月26日更新のポイント

  • 結果に推論レベル（reasoning effort）を表示
  • 追加: Claude Sonnet 5.5（claude-code）、Gemini 4 Argon（antigravity-sdk）、GPT 6.1 Sol（codex）
  • アーカイブ: Claude Sonnet 5（claude-code）、GPT 6 Sol（codex）
  • 解決率上位: Claude Sonnet 5.5 40.0%、Claude Opus 5.5 37.3%、GPT 6.1 Sol 29.3%、GPT 6 Astra 28.0%、Claude Fable 5.1 22.7%、Gemini 4 Argon 21.3%

■ 所感

自社の最新モデルが他社に大きく水をあけられている結果を、グーグル自身が公式ベンチマークとしてそのまま公開しているのは率直で好感が持てます。Android Studio や Antigravity に Gemini 4 Argon が組み込まれている以上、この差をどう縮めていくかが開発者にとっての関心事になりそうです。一方でコストや所要時間の軸では GPT 6.1 Sol や GPT 6 Astra が際立っており、解決率だけでなく予算と時間に応じてモデルを選ぶ材料としても役立ちます。

■ ソース

スポンサーリンク