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。
本条情报归属 AITOP「模型」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Android Bench、Kimi K3.1 Pro、DeepSeek V4.1 Flash、GPT-6.1 Terra，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「IT之家」，经 AITOP 多维评分管线结构化提炼。
