谷歌 Android Bench 榜单更新：Kimi K3.1 Pro 与 DeepSeek V4.1 Flash 跑分公布
谷歌更新安卓 AI 开发基准榜单：Kimi K3.1 Pro / DeepSeek V4.1 Flash 成绩揭晓
做安卓开发的朋友可以看看这份榜单：Kimi K3.1 Pro 30 项长程任务通过率 24.0%，超过了 Claude Fable 5.1 和 Gemini 4 Argon；DeepSeek V4.1 Flash 单次跑分只要 9.9 美元，预算敏感的团队选它更划算。
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。
谷歌更新安卓 AI 开发基准榜单：Kimi K3.1 Pro / DeepSeek V4.1 Flash 成绩揭晓
IT之家 11 月 11 日消息，谷歌官方账号 Android Developers（@AndroidDev）昨日（11 月 10 日）在 X 平台发布推文， 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。 IT之家注：Android Bench 是 Google 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 （现汇率约合 2,123 元人民币） 。 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 1017 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 （现汇率约合 66.2 元人民币） 的单次基准运行成本。虽然其通过率低于 Kimi K3.1 Pro，但其速度和成本优势明显，尤其适合对预算、响应时间敏感的开发团队。
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison and AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Android Bench, Kimi K3.1 Pro, DeepSeek V4.1 Flash, GPT-6.1 Terra.
Source attribution: curated from IT之家.
