谷歌 Android Bench 榜单更新：Kimi K3.1 Pro 与 DeepSeek V4.1 Flash 跑分公布

11 月 10 日，谷歌官方账号 Android Developers 在 X 平台首次公开 GPT-6.1 Terra、Kimi K3.1 Pro、DeepSeek V4.1 Flash 三款模型的 Android Bench 基准成绩。Android Bench 是 Google 面向 Android 开发场景的 AI 编程基准，考察应用创建、功能开发、代码迁移和应用转换等真实工程任务。Kimi K3.1 Pro 使用 kimi-code 智能体，在 30 项长程任务中获得 24.0% 通过率、82.3% 平均完成度，平均耗时 27.4 小时，单次运行成本 317.4 美元。其成绩高于 GPT 6 Astra、Claude Fable 5.1 和 Gemini 4 Argon，低于 GPT-6.1 Terra 的 28.7%。 DeepSeek V4.1 Flash 1017 通过 opencode 智能体参评，取得 17.3% 通过率、71.2% 平均完成度，平均耗时仅 12.0 小时，单次运行成本 9.9 美元。通过率虽不及 Kimi K3.1 Pro，但速度和成本优势明显，适合对预算和响应时间敏感的开发团队。这份榜单为 Android 开发者选型编程模型提供了横向参考。