谷歌安卓 AI 编程榜单更新：Kimi K3.1 Pro 通过率翻倍 DeepSeek 成本仅 9.9 美元

谷歌更新 Android Bench 2.0 人工智能开发基准测试榜单，新增多款模型测试成绩。月之暗面 Kimi K3.1 Pro 长周期任务通过率达 24.0%、平均任务完成度 82.3%，位列该榜单第六，较前代 Kimi K3 任务通过率翻倍，测试耗时和成本也明显下降。DeepSeek V4.1 Flash 1017 通过率 17.3%、平均任务完成度 71.2%，位列第九，测试耗时仅 12.0 小时、成本低至 9.9 美元，成本优势突出，两款模型分别搭配不同的编程智能体。当前榜单中 Claude Sonnet 5.5、Claude Opus 5.5、GPT 6.1 Sol 分列前三。该基准测试面向安卓应用开发场景，共设置 30 项长周期开发任务，覆盖多个相关方向。