谷歌更新 Android Bench 安卓开发基准榜单，Kimi K3.1 Pro 与 DeepSeek V4.1 Flash 成绩揭晓
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
- 1谷歌官方首次公开 GPT-6.1 Terra、Kimi K3.1 Pro、DeepSeek V4.1 Flash 三款模型的 Android Bench 基准跑分
- 2Kimi K3.1 Pro 在 30 项长程任务中通过率 24.0%、平均完成度 82.3%，单次运行成本 317.4 美元
- 3Kimi K3.1 Pro 成绩高于 GPT 6 Astra、Claude Fable 5.1 和 Gemini 4 Argon，低于 GPT 6.1 Terra 的 28.7%
- 4DeepSeek V4.1 Flash 通过率 17.3%、平均耗时 12.0 小时、单次成本 9.9 美元，速度和成本优势明显
安卓开发场景的模型选型开始有带通过率、耗时和成本维度的官方可比数据，榜单同时呈现高通过率与低成本两条路线。
- 影响：编程模型的单次运行成本差异已大到需要进入选型预算，同一基准下花费从 9.9 美元到 317.4 美元不等；预算和响应时间敏感的日常开发任务可倾向低价快速模型，长程复杂任务再权衡高通过率模型的耗时和开销。
- 参考：可考虑按任务类型把编程模型分成日常改动和长程开发两档分别核算预算；值得在自有代码库小范围复测 17.3% 与 24.0% 这类通过率，再决定是否在安卓团队试点替换现有工具。
- 依据：跑分出自谷歌 Android Developers 官方账号 11 月 10 日在 X 平台的发布，属官方口径，暂无独立验证；文中成本均为单次基准运行费用。
感谢IT之家网友 有鲫雪狐 的线索投递！
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。
来源：IT之家·人工智能 · ithome.com