---
title: Google lanceert Android Bench 2.0 voor beoordeling van complexe AI-taken
url: https://www.dataloco.com/nl/google-lanceert-android-bench-20-voor-beoordeling-van-complexe-ai-taken
published: 2026-10-12T14:34:57+00:00
language: nl
section: AI
source: https://www.infoq.com/news/2026/10/android-bench-2/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global
organizations: Google, Android Bench, Gemini, OpenAI, Anthropic, Claude
publisher: Dataloco
---

# Google lanceert Android Bench 2.0 voor beoordeling van complexe AI-taken

Google heeft Android Bench 2.0 vrijgegeven, een belangrijke update van het raamwerk voor het evalueren van kunstmatige intelligentiemodellen en agenten bij ontwikkelingstaken voor Android. Deze nieuwe versie voert taken met een lange tijdsduur, agentgebaseerde evaluatie en continue scoring in om de prestaties bij complexe, meerstappige ontwikkelingswerkzaamheden beter te kunnen beoordelen.

De oorspronkelijke versie, die enkele maanden geleden werd gelanceerd, toetste modellen aan een reeks gangbare ontwikkelingstaken en integreerde beste praktijken voor Android op gebieden zoals machtigingen, navigatie en connectiviteit. Met deze uitgave breidt het bedrijf het bereik van de benchmark uit naar een veel bredere scala aan ontwikkelingsopdrachten die voorheen niet aan bod kwamen.

Een centraal element van de update is de introductie van taken met een lange tijdsduur, afgekort als LHT. Dit zijn werkzaamheden van grote complexiteit die een ingenieur meerdere dagen of zelfs een week kost om te voltooien. Voorbeelden hiervan zijn het upgraden van afhankelijkheden, het toevoegen van nieuwe functies, het bouwen van applicaties vanaf nul of het converteren van een cross-platform applicatie naar het Android-besturingssysteem. Dit staat in contrast met de eerdere focus op incrementele wijzigingen in bestaande codebibliotheken.

Daarnaast verschuift het systeem van een binaire slaag-of-zak-beoordeling naar een genuanceerder scoresysteem. Bij de vorige methode kon een complexe taak als mislukt worden gemarkeerd door één enkele falende randgevalassertie, zelfs als de agent tientallen andere vereisten succesvol had vervuld. Het nieuwe systeem berekent het voltooiingspercentage via een combinatie van factoren zoals functionaliteit, visuele trouw en het vermijden van regressies. Er worden ook objectieve scorestraffen toegepast voor afwijkingen van evaluatie-instructies of structurele beperkingen.

De resultaten helpen ook identificeren welke taken meer kans op slagen hebben met hulp van kunstmatige intelligentie. Het bedrijf rapporteert dat kunstmatige intelligentie beter presteert bij het schrijven van nieuwe code dan bij het herschrijven van bestaande code. Dit weerspiegelt mogelijk dat refactoring en migraties begrip vereisen van de architectonische complexiteit van de codebasis. Kunstmatige intelligentie doet het daarentegen goed bij diverse gevestigde, deterministische transformaties, zelfs in grotere codebases, zoals het omzetten van Java naar Kotlin of het introduceren van een ViewModel-laag.

Modellen worstelen echter nog in veel gevallen, waaronder taken die runtime-validatie vereisen, zoals ontbrekende grafieken voor afhankelijkheidsinjectie, of brekende frameworkwijzigingen. Het beste model in zijn klasse behaalt bijvoorbeeld slechts een voltooiingspercentage van 80 procent bij het porteren van een cross-platform applicatie naar Android, wat overall een open uitdaging blijft. Het bijgewerkte dashboard bevat recente modellen en toont dat Claude Opus 5.5 momenteel bovenaan het klassement staat met een slagingspercentage van 32 procent voor taken met een lange tijdsduur, gevolgd door GPT-6 Astra met 28 procent.

## This story in other languages

- [Italiano](https://www.dataloco.com/it/google-rilascia-android-bench-20-con-support-ai-per-task-complessi)
- [Polski](https://www.dataloco.com/pl/google-wprowadza-android-bench-20-z-ocena-zadan-wieloetapowych-i-ciaglym-punktowaniem)
- [Norsk](https://www.dataloco.com/no/google-introduces-android-bench-20-med-vurdering-av-langvarige-opgaver-og-agentbasert-evaluering)