搜索
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
1 小时前
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%，位列第六，通过率较前代Kimi K3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。当前榜单前三为Claude Sonnet 5.5、Claude Opus 5.5和GPT 6.1 Sol。该基准测试面向安卓应用开发场景，共设30项长周期开发任务，覆盖多个相关方向。
