Google は 2026 年 10 月 26 日 (現地時間)、Android アプリ開発向けの公式 AI コーディングベンチマーク「Android Bench」を更新し、Gemini 4 Argon と GPT 6.1 Sol、Claude Sonnet 5.5 の結果を追加しました。
今回の結果では、Google の最新 Gemini モデルとなる Gemini 4 Argon の合格率は 21.3% で 6 位となり、40.0% で首位の Claude Sonnet 5.5 の約半分でした。
エフォートレベルの表示と 3 モデルの追加
今回の更新では、各モデルの結果に評価時の推論のエフォートレベルも記載されるようになり、モデル名の横に max、high、default のいずれかが表示されています。
Android Bench 2.0 では、モデルを提供元のコーディングエージェントと組み合わせて評価しており、今回は claude-code で評価した Claude Sonnet 5.5、codex で評価した GPT 6.1 Sol、antigravity-sdk で評価した Gemini 4 Argon の結果が追加されました。あわせて、Claude Sonnet 5 と GPT 6 Sol の結果はアーカイブに移されています。
Gemini 4 Argon は 6 位、合格率は首位の約半分
Google の評価方法では、完全に解決できた実行の割合を示す合格率と、合格に至らなかった実行も含めてタスクをどこまで進められたかを示す完了率の 2 つを報告しています。
首位の合格率は Claude Sonnet 5.5 の 40.0%、Gemini 4 Argon は 5 位の Claude Fable 5.1 の 22.7% に続き 21.3% で 6 位でした。完了率は Gemini 4 Argon が 81.8% で、上位 5 モデルの 80.9% から 85.6% の範囲に収まっており、合格率に比べて差は小さくなっています。
以下は、10 月 26 日に更新されたリーダーボードの結果です。
| モデル (エフォートレベル) | エージェント | 合格率 (%) | 完了率 (%) | 平均レイテンシ (h) | 平均コスト ($) |
|---|---|---|---|---|---|
| Claude Sonnet 5.5 (max) | claude-code | 40.0 | 80.9 | 70.7 | 1574.9 |
| Claude Opus 5.5 (max) | claude-code | 37.3 | 85.6 | 56.6 | 1150.3 |
| GPT 6.1 Sol (max) | codex | 29.3 | 82.8 | 26.6 | 99.5 |
| GPT 6 Astra (high) | codex | 28.0 | 82.2 | 7.9 | 375.7 |
| Claude Fable 5.1 (high) | claude-code | 22.7 | 82.4 | 22.2 | 492.6 |
| Gemini 4 Argon (high) | antigravity-sdk | 21.3 | 81.8 | 52.8 | 267.6 |
| Qwen3.8 Max (default) | qwen-coder | 12.5 | 75.0 | 45.4 | 258.4 |
| Kimi K3 (max) | kimi-code | 12.0 | 72.8 | 66.2 | 418.3 |
| GPT 6 Luna (default) | codex | 10.7 | 53.2 | 6.2 | 5.3 |
| Gemini 3.8 Flash (default) | antigravity-sdk | 8.0 | 47.4 | 12.1 | 34.5 |
コストとレイテンシの差
平均コストは、1 位の Claude Sonnet 5.5 が 1574.9 ドル、2 位の Claude Opus 5.5 が 1150.3 ドルで、3 位の GPT 6.1 Sol は 99.5 ドルです。Gemini 4 Argon は 267.6 ドルで、Claude Fable 5.1 の 492.6 ドルや GPT 6 Astra の 375.7 ドルより低くなっています。
平均レイテンシは、Claude Sonnet 5.5 が 70.7 時間、Gemini 4 Argon が 52.8 時間、GPT 6.1 Sol が 26.6 時間です。
Google は、コストやレイテンシは途中で失敗するタスクが多いモデルほど小さく出る傾向があるとして、合格率と完了率が近いモデル同士で比較するよう注意を促しています。また、コストは実行時点の API 価格で計算されているため、ベンチマークのリリースをまたいだ金額の比較はできないとしています。
Gemini 4 Argon は Google が 9 月末に発表したフロンティアモデルで、Google AI Pro と Google AI Ultra のユーザーは Gemini アプリで利用できます。コーディング性能については、発表直後に Bloomberg が、Google 社内の一部から特定のコーディングタスクの処理に苦戦するとの声が出ていると報じましたが、Google はこの報道について否定していました。
