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。
