跳到正文
新浪科技·· 11 天前AI 評分47

谷歌更新 Android AI 編程榜單:Kimi K3.1 Pro 通過率翻倍,DeepSeek 測試成本僅 9.9 美元

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

AI 導讀

谷歌更新 Android Bench 2.0 榜單,Kimi K3.1 Pro 任務通過率達 24.0%,是 Kimi K3 的兩倍;DeepSeek V4.1 Flash 1017 完成一輪測試的成本為 9.9 美元。兩者分別搭配 kimi-code 和 opencode;該基準測試面向 Android 應用開發,設有 30 項長週期任務。

正文

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。

【本文结束】如需转载请务必注明出处:快科技

责任编辑:寄云

新浪众测 新浪众测

新浪科技公众号

新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

科学大家

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片

來源:新浪科技 · finance.sina.com.cn