谷歌公佈 Android 開發者基準測試成績並展示 Kimi K3.1 Pro 等模型

谷歌官方賬號 Android Developers 於 11 月 10 日在 X 平臺釋出推文，首次公開了 OpenAI GPT-6.1 Terra、Kimi K3.1 Pro 以及 DeepSeek V4.1 Flash 三款模型的 Android Bench 基準跑分。Android Bench 是 Google 面向 Android 開發場景推出的 AI 程式設計基準，重點考察模型完成應用建立、功能開發、程式碼遷移和應用轉換等真實工程任務的能力。

本次新增的 Kimi K3.1 Pro 使用 kimi-code 智慧體，在 30 項長程程式設計任務中獲得 24.0% 的通過率，平均完成度為 82.3%，平均耗時 27.4 小時，單次基準執行成本為 317.4 美元（現匯率約合 2,123 元人民幣）。從橫向對比看，Kimi K3.1 Pro 的成績高於 GPT 6 Astra、Claude Fable 5.1 和 Gemini 4 Argon，但低於 GPT-6.1 Terra 的 28.7%。目前三款模型中僅披露了 GPT-6.1 Terra 與 Kimi K3.1 Pro 的具體跑分，DeepSeek V4.1 Flash 的資料在現有報道中尚未公佈。