#Разработка агентских версий Android

Сегодня мы выпускаем первый набор задач с длительным горизонтом планирования (LHT), которые представляют собой задачи высокой сложности, выполнение которых занимает у инженера несколько дней или даже неделю. Мы также представляем агентную оценку, начиная с агентов от соответствующих поставщиков моделей.

В марте мы представили Android Bench — наш рейтинг LLM для решения реальных задач разработки под Android. С тех пор мы улучшили бенчмарк на основе ваших отзывов, включая оценку моделей с открытым весом и добавление в рейтинг параметров стоимости и эффективности.