English
Русский
简体中文
繁體中文
Tiếng Việt
Bahasa Indonesia
Português
EspañolAndroidWorld 基準測試
我們的 Agent 在雲手機上的成績
AndroidWorld 是 Google Research 推出的開放基準測試：涵蓋 20 款日常 Android App、共 116 項任務，每項都由程式碼依手機狀態判定。我們在 Clousd 雲手機上執行它，用的就是替你完成任務的同一個 Agent。
23 項和當天日期有關的任務會在 25.10.2026 執行，結果之後補上。
各 App 成績
每項任務只有一次機會。只有基準測試本身的檢查接受手機的最終狀態，任務才算通過。
| 應用程式 | 任務 | 通過 | 結果 |
|---|---|---|---|
| Simple Calendar Pro | 17 | 4 · 12 項待執行 | 80% |
| Settings | 16 | 16 | 100% |
| Markor | 14 | 10 | 71% |
| Broccoli recipes | 13 | 6 | 46% |
| Pro Expense | 9 | 8 | 89% |
| Simple SMS Messenger | 6 | 6 | 100% |
| Tasks.org | 6 | 0 · 5 項待執行 | 0% |
| OpenTracks | 6 | 0 · 6 項待執行 | — |
| Joplin | 4 | 3 | 75% |
| Retro Music | 4 | 3 | 75% |
| Chrome | 3 | 2 | 67% |
| Clock | 3 | 3 | 100% |
| OsmAnd | 3 | 3 | 100% |
| Audio Recorder | 2 | 2 | 100% |
| Camera | 2 | 1 | 50% |
| Contacts | 2 | 2 | 100% |
| Files | 2 | 2 | 100% |
| VLC | 2 | 1 | 50% |
| Simple Gallery Pro | 1 | 1 | 100% |
| Simple Draw Pro | 1 | 1 | 100% |
執行方式
一支普通的 Clousd 手機
一支 Pixel 6a，Android 13，和你在控制台建立的雲手機是同一種，基準測試需要的 App 由它自己的設定流程安裝。
就是你在用的 Agent
Clousd Agent，也就是「任務」和 POST /v1/runs 背後的那個 Agent，跑在 Clousd 模型上：它讀取畫面和元素樹，接著點擊、輸入、滑動，直到判斷任務完成。
基準測試本身的檢查
任務、資料和檢查都直接沿用 AndroidWorld 的程式碼，沒有任何改動。唯一的差別是連線方式：測試框架透過我們的轉接層連到手機，而不是用 USB 線。
沒有第二次機會
每項任務一次機會，步數上限依基準測試為該難度設定的數值。我們修好手機或轉接層後重跑的任務，以最後一次結果為準。
還會失敗的地方
我們看過每一項失敗任務的每個步驟。沒有一項是手機造成的；這些都是 Agent 本身的限制，我們正在改進。
長文字輸入：要把從其他 App 複製來的好幾份完整食譜或支出一筆筆打進去，步數額度就用完了。
RecipeAddSingleRecipe, RecipeAddMultipleRecipesFromMarkor, RecipeAddMultipleRecipesFromMarkor2, RecipeAddMultipleRecipesFromImage, ExpenseAddMultipleFromMarkor, MarkorCreateNoteFromClipboard
在長清單裡搜尋與計數：重複項目、符合條件的項目、多列加總。
RecipeDeleteDuplicateRecipes2, RecipeDeleteDuplicateRecipes3, RecipeDeleteMultipleRecipesWithConstraint, SimpleCalendarDeleteEvents, TasksHighPriorityTasks, NotesTodoItemCount, RetroPlaylistDuration
觀看與計時：讀出播放中影片裡的文字、等錄影結束、按下按鈕並記住不斷變動的數字。
MarkorTranscribeVideo, CameraTakeVideo, BrowserMultiply
跨資料夾和 App 的檔案雜事：合併、搬移筆記，一次建立兩個播放清單。
MarkorMergeNotes, MarkorMoveNote, VlcCreateTwoPlaylists
關於基準測試的常見問題
AndroidWorld 是什麼？
一套給操作 Android 手機的 Agent 使用的開放基準測試，由 Google Research 於 2024 年發表。內含 20 款 App 的 116 項任務，例如 Markor、Simple Calendar、OsmAnd、VLC 和系統設定；每項任務都以新參數產生，並由程式碼判定。
為什麼有些任務還沒有成績？
和「今天」或「下週」有關的任務，是以 2023 年某個固定日期撰寫的。我們把這些資料移到 2026 年的一個星期日，並在當天執行，讓手機的實際日期和任務吻合。
我可以在自己的 Clousd 手機上跑這個基準測試嗎？
可以。建立一支手機，透過 API 把它接上 AndroidWorld 測試框架，再用你自己的 Agent 透過 MCP 或 /v1/devices/{name}/observe 和 /act 操作它。