快科技 11 月 11 日消息，据谷歌 Android 开发者官网公布的信息，谷歌近日更新了 Android Bench 2.0 人工智能开发基准测试榜单，新增了 Kimi K3.1 Pro、DeepSeek V4.1 Flash 1017 及 GPT 6.1 Terra 等模型的测试成绩。

榜单数据显示，月之暗面 Kimi K3.1 Pro 取得 24.0% 的任务通过率，平均任务完成度达到 82.3%，在当前长周期任务排行榜中位列第六。

作为对比，此前 Kimi K3 的任务通过率为 12.0%，平均任务完成度为 72.8%。新版本的任务通过率达到前代的两倍，完成度也有所提升。

在测试效率方面，Kimi K3.1 Pro 完成一轮完整基准测试的平均耗时为 27.4 小时，平均成本为 317.4 美元。此前 Kimi K3 的对应数据为 66.2 小时和 418.3 美元。

DeepSeek V4.1 Flash 1017 则取得 17.3% 的任务通过率，平均任务完成度为 71.2%，目前位列第九。

值得注意的是，DeepSeek V4.1 Flash 1017 完成一轮完整基准测试的平均耗时为 12.0 小时，成本仅为 9.9 美元，在测试成本方面具有明显优势。

不过，两款模型采用了不同的编程智能体。Kimi K3.1 Pro 搭配 kimi-code，DeepSeek V4.1 Flash 1017 则搭配 opencode。

其他模型方面，Claude Sonnet 5.5 以 40.0% 的任务通过率位居榜首，Claude Opus 5.5 以 37.3% 排名第二，GPT 6.1 Sol 以 29.3% 位列第三。

据了解，Android Bench 2.0 主要面向安卓应用开发场景，共设置 30 项长周期开发任务，涵盖应用创建、架构迁移、新功能开发及跨平台应用转换等多个方向。