Nuovo modello al primo posto: Claude Fable 5 di Anthropic

Claude Fable 5 ora siede in vetta ad Android Bench con un punteggio di 84,5, un vantaggio di oltre 4 punti sul concorrente più vicino . Il punteggio riflette l'accuratezza del modello su una suite di 100 task di programmazione Android reali, selezionati da un pool di circa 39.000 pull request open source .

Fable 5 guida anche i benchmark di programmazione più ampi del settore. Report indipendenti mostrano che raggiunge il 95,0% su SWE-bench Verified e l'80,0% su SWE-bench Pro, ben al di sopra dei modelli della generazione precedente . Sul benchmark di programmazione agentica Terminal-Bench 2.0, Fable 5 ha registrato un'accuratezza dell'84,3% . Diverse classifiche indipendenti ora posizionano Fable 5 come il miglior modello AI complessivo a luglio 2026 .

Classifica generale: GPT 5.5, Gemini 3.1 Pro e altri

Tutti i modelli precedentemente classificati sono stati rivalutati con la nuova metodologia basata su Harbor, producendo una classifica sostanzialmente rinnovata . Ecco la top ten secondo Android Bench:

Fonte: report di 9to5Google basato sulla classifica aggiornata di Android Bench .

Osservazioni chiave dalla nuova classifica:

• Anthropic occupa tre dei primi sei posti (Fable 5, Sonnet 5, Opus 4.8), dimostrando la lineup più solida in assoluto .
• GPT 5.5 di OpenAI è il singolo modello concorrente più vicino con 80,2, ma è indietro di 4,3 punti e ha una latenza quasi doppia rispetto a Fable 5 .
• Il modello stesso di Google, Gemini 3.1 Pro Preview, si classifica 5° con 73,7, dietro ai due modelli migliori di Anthropic e a entrambi i modelli OpenAI . La versione più leggera, Gemini 3.5 Flash, si posiziona ancora più in basso all'8° posto, con costi e latenza notevolmente elevati .
• Kimi K2.7 Code offre il costo più basso (48,10 $) ma anche la precisione più bassa (70,4) tra la top 10, illustrando il compromesso più netto tra costo e accuratezza .

Migrazione al framework Harbor

Google ha standardizzato Android Bench sul framework Harbor, un ecosistema di valutazione open source sviluppato dal Laude Institute, il team dietro Terminal-Bench . In precedenza, Android Bench utilizzava un sistema di test personalizzato chiamato mini-swe-agent v1. Harbor fornisce una pipeline di valutazione standardizzata basata su container che supporta il deployment cloud, l'invio di task da parte della community e l'implementazione di tecniche di apprendimento per rinforzo .

La migrazione rende non confrontabili tutti i punteggi precedenti dei modelli — ogni punteggio elencato sopra è una valutazione fresca con la metodologia Harbor . Google ha dichiarato che la mossa è stata necessaria per mantenere gli standard di valutazione all'avanguardia mentre gli LLM migliorano rapidamente .

Introduzione dei contributi degli sviluppatori

Per la prima volta, Google ha aperto Android Bench ai contributi della community . Gli sviluppatori ora possono:

• Inviare task di sviluppo Android reali da aggiungere al dataset di benchmark .
• Condividere le proprie valutazioni dei modelli utilizzando gli stessi strumenti di Harbor, consentendo un confronto diretto per casi d'uso individuali .

Google ha descritto questa come una risposta alla richiesta degli sviluppatori di "un modo per fornire feedback sul nostro dataset" e un passo verso una collaborazione più profonda con la community di sviluppatori Android .

Compromessi tra costo e precisione

La classifica rinnovata rivela un mercato con una notevole divergenza tra i leader di costo e quelli di precisione :

• Il modello con la precisione più alta (Claude Fable 5, 84,5) costa 133,20 $ per 1.000 task.
• Il modello più economico nella top 10 (Kimi K2.7 Code, 48,10 $) ottiene solo un punteggio di 70,4, un divario di precisione di 14,1 punti.
• Gemini 3.5 Flash è l'opzione più costosa (165,60 $) ma ottiene solo 71,1.
• GPT 5.5 offre il miglior equilibrio tra alta precisione e costo moderato: 80,2 a 138,30 $.
• Claude Sonnet 5 rappresenta un'opzione di valore intermedio: 76,2 a 99,90 $.

Dinamiche competitive

L'aggiornamento di luglio 2026 rafforza una gara a tre tra Anthropic, OpenAI e Google :

• Anthropic è il chiaro leader per pura precisione. Il punteggio di 84,5 di Fable 5 e la profondità di Anthropic con tre modelli nella top 6 segnalano che il suo investimento nelle capacità di programmazione specifiche per Android sta dando i suoi frutti .
• OpenAI è il singolo concorrente più forte con GPT 5,5 a 80,2, e GPT 5,4 a 74,1 mantiene una posizione rispettabile, ma a OpenAI manca la profondità di lineup di Anthropic .
• La linea Gemini di Google è in ritardo rispetto a entrambi i concorrenti in termini di precisione. Nonostante possieda il benchmark, i modelli di Google occupano il 5° e l'8° posto — una vulnerabilità competitiva che l'azienda sta apertamente riconoscendo aprendo il benchmark alla community e invitando l'invio di modelli di terze parti .

Questo è il primo aggiornamento di Android Bench in cui un modello di Anthropic guida il benchmark di Google per la programmazione Android, un cambiamento simbolico nel mercato degli assistenti AI mobili.

Nuovo modello al primo posto: Claude Fable 5 di Anthropic

Claude Fable 5 ora siede in vetta ad Android Bench con un punteggio di 84,5, un vantaggio di oltre 4 punti sul concorrente più vicino . Il punteggio riflette l'accuratezza del modello su una suite di 100 task di programmazione Android reali, selezionati da un pool di circa 39.000 pull request open source .

Fable 5 guida anche i benchmark di programmazione più ampi del settore. Report indipendenti mostrano che raggiunge il 95,0% su SWE-bench Verified e l'80,0% su SWE-bench Pro, ben al di sopra dei modelli della generazione precedente . Sul benchmark di programmazione agentica Terminal-Bench 2.0, Fable 5 ha registrato un'accuratezza dell'84,3% . Diverse classifiche indipendenti ora posizionano Fable 5 come il miglior modello AI complessivo a luglio 2026 .

Classifica generale: GPT 5.5, Gemini 3.1 Pro e altri

Tutti i modelli precedentemente classificati sono stati rivalutati con la nuova metodologia basata su Harbor, producendo una classifica sostanzialmente rinnovata . Ecco la top ten secondo Android Bench:

Fonte: report di 9to5Google basato sulla classifica aggiornata di Android Bench .

Osservazioni chiave dalla nuova classifica:

• Anthropic occupa tre dei primi sei posti (Fable 5, Sonnet 5, Opus 4.8), dimostrando la lineup più solida in assoluto .
• GPT 5.5 di OpenAI è il singolo modello concorrente più vicino con 80,2, ma è indietro di 4,3 punti e ha una latenza quasi doppia rispetto a Fable 5 .
• Il modello stesso di Google, Gemini 3.1 Pro Preview, si classifica 5° con 73,7, dietro ai due modelli migliori di Anthropic e a entrambi i modelli OpenAI . La versione più leggera, Gemini 3.5 Flash, si posiziona ancora più in basso all'8° posto, con costi e latenza notevolmente elevati .
• Kimi K2.7 Code offre il costo più basso (48,10 $) ma anche la precisione più bassa (70,4) tra la top 10, illustrando il compromesso più netto tra costo e accuratezza .

Migrazione al framework Harbor

Google ha standardizzato Android Bench sul framework Harbor, un ecosistema di valutazione open source sviluppato dal Laude Institute, il team dietro Terminal-Bench . In precedenza, Android Bench utilizzava un sistema di test personalizzato chiamato mini-swe-agent v1. Harbor fornisce una pipeline di valutazione standardizzata basata su container che supporta il deployment cloud, l'invio di task da parte della community e l'implementazione di tecniche di apprendimento per rinforzo .

La migrazione rende non confrontabili tutti i punteggi precedenti dei modelli — ogni punteggio elencato sopra è una valutazione fresca con la metodologia Harbor . Google ha dichiarato che la mossa è stata necessaria per mantenere gli standard di valutazione all'avanguardia mentre gli LLM migliorano rapidamente .

Introduzione dei contributi degli sviluppatori

Per la prima volta, Google ha aperto Android Bench ai contributi della community . Gli sviluppatori ora possono:

• Inviare task di sviluppo Android reali da aggiungere al dataset di benchmark .
• Condividere le proprie valutazioni dei modelli utilizzando gli stessi strumenti di Harbor, consentendo un confronto diretto per casi d'uso individuali .

Google ha descritto questa come una risposta alla richiesta degli sviluppatori di "un modo per fornire feedback sul nostro dataset" e un passo verso una collaborazione più profonda con la community di sviluppatori Android .

Compromessi tra costo e precisione

La classifica rinnovata rivela un mercato con una notevole divergenza tra i leader di costo e quelli di precisione :

• Il modello con la precisione più alta (Claude Fable 5, 84,5) costa 133,20 $ per 1.000 task.
• Il modello più economico nella top 10 (Kimi K2.7 Code, 48,10 $) ottiene solo un punteggio di 70,4, un divario di precisione di 14,1 punti.
• Gemini 3.5 Flash è l'opzione più costosa (165,60 $) ma ottiene solo 71,1.
• GPT 5.5 offre il miglior equilibrio tra alta precisione e costo moderato: 80,2 a 138,30 $.
• Claude Sonnet 5 rappresenta un'opzione di valore intermedio: 76,2 a 99,90 $.

Dinamiche competitive

L'aggiornamento di luglio 2026 rafforza una gara a tre tra Anthropic, OpenAI e Google :

• Anthropic è il chiaro leader per pura precisione. Il punteggio di 84,5 di Fable 5 e la profondità di Anthropic con tre modelli nella top 6 segnalano che il suo investimento nelle capacità di programmazione specifiche per Android sta dando i suoi frutti .
• OpenAI è il singolo concorrente più forte con GPT 5,5 a 80,2, e GPT 5,4 a 74,1 mantiene una posizione rispettabile, ma a OpenAI manca la profondità di lineup di Anthropic .
• La linea Gemini di Google è in ritardo rispetto a entrambi i concorrenti in termini di precisione. Nonostante possieda il benchmark, i modelli di Google occupano il 5° e l'8° posto — una vulnerabilità competitiva che l'azienda sta apertamente riconoscendo aprendo il benchmark alla community e invitando l'invio di modelli di terze parti .

Questo è il primo aggiornamento di Android Bench in cui un modello di Anthropic guida il benchmark di Google per la programmazione Android, un cambiamento simbolico nel mercato degli assistenti AI mobili.