谷歌更新安卓 AI 开发基准榜单 Kimi K3.1 Pro 与 DeepSeek 成绩揭晓

11月11日，据报道，谷歌官方账号 Android Developers 首次公开了 OpenAI GPT-6.1 Terra、Kimi K3.1 Pro 以及 DeepSeek V4.1 Flash 三款模型的 Android Bench 基准跑分。Android Bench 是谷歌面向 Android 开发场景推出的 AI 编程基准，重点考察模型完成应用创建、功能开发、代码迁移和应用转换等真实工程任务的能力。

本次新增的 Kimi K3.1 Pro 使用 kimi-code 智能体，在 30 项长程任务中获得 24.0% 的通过率，平均完成度为 82.3%，平均耗时 27.4 小时，单次基准运行成本为 317.4 美元。从横向对比看，Kimi K3.1 Pro 的成绩高于 GPT 6 Astra、Claude Fable 5.1 和 Gemini 4 Argon，但低于 GPT 6.1 Terra 的 28.7%。

DeepSeek V4.1 Flash 通过 opencode 智能体参与评测，取得 17.3% 的通过率、71.2% 的平均完成度、12.0 小时的平均耗时，以及 9.9 美元的单次基准运行成本。虽然其通过率低于 Kimi K3.1 Pro，但速度和成本优势明显，尤其适合对预算和响应时间敏感的开发团队。