据IT之家报道，谷歌 Android Developers 官方账号公布了 GPT-6.1 Terra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 的 Android Bench 成绩。Kimi K3.1 Pro 使用 kimi-code 智能体，在30项长程任务中获得24.0%的通过率和82.3%的平均完成度，平均耗时27.4小时，单次运行成本317.4美元。DeepSeek V4.1 Flash 使用 opencode 智能体，通过率为17.3%，平均完成度为71.2%，平均耗时12.0小时，单次运行成本9.9美元。