11月10日，谷歌官方账号AndroidDevelopers在X平台发布推文，首次公开了OpenAI GPT-6.1Terra、Kimi K3.1Pro以及DeepSeek V4.1Flash三款模型在AndroidBench基准上的跑分成绩。AndroidBench是Google面向Android开发场景推出的AI编程基准，重点考察模型完成应用创建、功能开发、代码迁移和应用转换等真实工程任务的能力。

本次新增的Kimi K3.1Pro使用kimi-code智能体，在30项长程任务中获得24.0%的通过率，平均完成度为82.3%，平均耗时27.4小时，单次基准运行成本为317.4美元（现汇率约合2123元人民币）。从横向对比看，Kimi K3.1Pro的成绩高于GPT6Astra、ClaudeFable5.1和Gemini4Argon，但低于GPT6.1Terra的28.7%。

DeepSeekV4.1Flash1017通过opencode智能体参与评测，取得17.3%的通过率、71.2%的平均完成度、12.0小时的平均耗时，以及9.9美元（现汇率约合66.2元人民币）的单次基准运行成本。虽然其通过率低于Kimi K3.1Pro，但其速度和成本优势明显，尤其适合对预算、响应时间敏感的开发团队。