谷歌安卓基准公布Kimi与DeepSeek跑分

时间：2026年11月10日 地点：美国山景城（谷歌Android开发者团队），榜单覆盖Kimi K3.1 Pro、Deepseek V4.1 Flash 1017、GPT 6.1系列等多款模型 人物：谷歌Android Developers官方账号（@AndroidDev），月之暗面Kimi（kimi-code智能体），DeepSeek（opencode智能体），OpenAI（codex智能体） 事件详情：谷歌官方账号Android Developers在11月10日的推文中公开了OpenAI GPT-6.1 Terra、Kimi K3.1 Pro以及DeepSeek V4.1 Flash三款模型在Android Bench上的跑分。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。截至11月11日，谷歌官方基准页列出的数据为：Kimi K3.1 Pro使用kimi-code智能体，通过率24.0%，平均完成度82.3%，平均耗时27.4小时，单次跑完整套基准的平均成本317.4美元；Deepseek V4.1 Flash 1017使用opencode智能体，通过率17.3%，平均完成度71.2%，平均耗时12.0小时，单次平均成本9.9美元；同批公布的GPT 6.1 Terra使用codex智能体，通过率28.7%，平均完成度81.1%，平均耗时18.7小时，单次平均成本178.3美元。同一页面上，GPT 6.1 Sol通过率29.3%、单次成本99.5美元，Claude Sonnet 5.5通过率40.0%、单次成本1574.9美元，Claude Fable 5.1通过率22.7%，Gemini 4 Argon通过率21.3%，Qwen3.8 Max通过率12.5%。官方页面还标出了各模型参赛时使用的智能体与推理档位，例如Kimi K3.1 Pro标注为max档、Deepseek V4.1 Flash 1017标注为high档。 背景：Android Bench是谷歌为Android应用开发专门推出的AI编程基准，与常见的代码生成基准不同，它跑的是长程真实工程任务，因此单次跑完整套基准的耗时和成本都被计入榜单，官方页面为此单列了平均耗时与平均成本两列。随着开源编码智能体成熟，不同模型可以在相近的工程任务上被直接比较，成本也成为榜单的一部分而不是事后附加的注脚。 影响：这份榜单第一次把两款中国模型放进谷歌自家开发基准的第一梯队，Kimi K3.1 Pro的24.0%通过率已经高于Claude Fable 5.1和Gemini 4 Argon。成本端的差距更为直观：Deepseek V4.1 Flash 1017跑完整套基准只要9.9美元，Kimi K3.1 Pro是317.4美元，GPT 6.1 Sol是99.5美元，Claude Sonnet 5.5则是1574.9美元。对按任务量付费的团队来说，同时给出通过率、耗时和单次成本的榜单，比单看一个分数更能决定选型。 总结：谷歌在Android Bench上公开了GPT-6.1 Terra、Kimi K3.1 Pro和DeepSeek V4.1 Flash的官方跑分。两款中国模型分别拿到24.0%和17.3%的通过率，Kimi的成绩已高于Claude Fable 5.1与Gemini 4 Argon。真正拉开差距的是成本，DeepSeek V4.1 Flash 1017单次跑完只要9.9美元，Kimi K3.1 Pro需要317.4美元，GPT 6.1 Sol为99.5美元。对开发者来说，这张同时标注通过率、耗时和成本的榜单，比单看分数更能反映选型取舍。 参考来源： 谷歌官方 Android Bench 基准页：各模型通过率、完成度、耗时与单次成本 https://developer.android.com/bench IT之家：谷歌更新安卓开发基准榜单，Kimi K3.1 Pro 与 DeepSeek V4.1 Flash 成绩揭晓 https://www.ithome.com/1/025/232.htm d1ev 快讯：谷歌 AndroidBench 新增三款模型跑分 https://d1ev.com/newsflash/316534 网易号转载：谷歌更新安卓开发基准榜单成绩揭晓 https://www.163.com/dy/article/LBEMJBSO0511B8LM.html 今日头条转载：谷歌更新安卓开发基准榜单成绩揭晓 https://www.toutiao.com/article/7706712169882092066/