谷歌 AndroidBench 新增三款模型跑分，Kimi K3.1Pro 通过率 24%、成本 317 美元介绍

谷歌 AndroidBench 基准新增 GPT-6.1 Terra、Kimi K3.1 Pro、DeepSeek V4.1 Flash 三款模型测试成绩，AndroidBench 是谷歌专门用来评估大模型做安卓开发长周期工程任务的榜单，考核从零开发 APP、代码迁移、版本升级这类多步骤复杂工作，不是简单问答题跑分，Kimi K3.1 Pro 采用 kimi-code 智能体完成测试，任务通过率 24%，单次整套基准测试成本 317.4 美元，平均完成度 82.3%，平均耗时 27.4 小时，对比前代 K3 版本通过率翻倍、耗时和成本都有所下降，成绩高于 GPT 6 Astra、Claude Fable 5.1，低于同批上榜的 GPT-6.1 Terra，DeepSeek V4.1 Flash 通过率 17.3%，虽然能力弱一点，但是耗时更短、测试成本仅 9.9 美元，适合预算有限的开发场景，挑选辅助安卓开发的 AI 工具时，不能只看通过率，要同时权衡完成质量、耗时、调用成本三个指标。

三款新增模型跑分清单

• GPT-6.1 Terra：通过率 28.7%，本次新增三款里面排名最高
• Kimi K3.1 Pro：通过率 24.0%，平均完成度 82.3%，平均耗时 27.4h，单次测试成本 317.4 美元
• DeepSeek V4.1 Flash 1017：通过率 17.3%，平均完成度 71.2%，平均耗时 12.0h，单次测试成本 9.9 美元

AndroidBench 评测说明

1. 评测框架：使用 Harbor 框架，主打长程复杂开发任务（LHT），是需要多天才能做完的安卓工程任务
2. 评测维度：任务通过率、任务平均完成度、平均耗时、整套基准运行成本
3. 评测对象：模型配套的代码智能体，不是单纯裸模型
4. 适用场景：给安卓开发者挑选 AI 编码助手做参考

三款新增模型对比简表

【相关 FAQ】

问题 1：谷歌 AndroidBench 里面 Kimi K3.1Pro 拿到 24% 通过率是什么水平？

回答 1：在本次谷歌 AndroidBench 新增三款模型中 Kimi K3.1Pro 排在第二位，高于 DeepSeek V4.1 Flash，低于 GPT-6.1 Terra，同时也超过榜单里 GPT 6 Astra、Claude Fable 5.1 等多款模型。

问题 2：Kimi K3.1Pro 在 AndroidBench 的 317 美元是日常调用 API 的价格吗？

回答 2：不是，这个 317.4 美元是跑完整套 AndroidBench 全部长程测试任务的总开销，不是普通用户日常使用 Kimi K3.1Pro 的 API 单价。

问题 3：谷歌 AndroidBench 的跑分能不能直接代表 Kimi K3.1Pro 所有编码能力？

回答 3：不能，谷歌 AndroidBench 只针对安卓平台长周期开发任务，只适合评估安卓 APP 开发场景，不能代表 Kimi K3.1Pro 通用代码、算法、其他平台开发能力。

【参考资料】

[2026-11-11]（谷歌 AndroidBench 新增三款模型跑分资讯）IT 之家

[2026-11-11]（AndroidBench Kimi K3.1Pro 跑分解析）新浪科技

[2026-11-10]（Android Developers 发布新增模型榜单）谷歌 Android 开发者官方 X 账号

【免责声明】

以上谷歌 AndroidBench 新增三款模型、Kimi K3.1Pro 通过率与成本数据来自谷歌官方榜单、科技媒体整理；该基准仅针对安卓长周期开发任务，不同评测基准、不同任务集模型表现差异很大，实际开发效果还和提示词、工程场景有关，本内容仅作为 AI 模型评测科普参考。