Claude Fable 5 di Anthropic domina la classifica di Android Bench di Google

L'8 luglio 2026 Google ha rilasciato un aggiornamento importante di Android Bench — la sua classifica ufficiale per valutare i modelli linguistici di grandi dimensioni (LLM) su task di sviluppo Android reali . L'aggiornamento introduce un nuovo modello in cima, una migrazione completa al framework di valutazione open source Harbor, un sistema di contributi della community e una classifica rinnovata che evidenzia netti compromessi tra costo e precisione .

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:

Posizione	Modello	Punteggio	Latenza media (s)	Costo medio ($/1K task)
1	Claude Fable 5 (Anthropic)	84,5	8,0	133,20 $
2	GPT 5.5 (OpenAI)	80,2	15,7	138,30 $
3	Claude Sonnet 5 (Anthropic)	76,2	12,3	99,90 $
4	GPT 5.4 (OpenAI)	74,1	8,4	83,40 $
5	Gemini 3.1 Pro Preview (Google)	73,7	10,6	87,40 $
6	Claude Opus 4.8 (Anthropic)	72,4	6,7	88,00 $
7	GLM 5.2	72,2	38,9	117,00 $
8	Gemini 3.5 Flash (Google)	71,1	28,3	165,60 $
9	Kimi K2.7 Code	70,4	31,8	48,10 $

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.