AnswersPublished18 sources
Lenovo zabodovalo v testu oprav softwaru. TianxiCode vyřešil 213 z 300 úloh
TianxiCode, agent pro práci s kódem od týmu Lenovo Tianxi AI, vyřešil s modelem DeepSeek V4.1 Flash 213 z 300 úloh SWE bench Live Lite. Test prověřuje, zda AI dokáže opravovat skutečné problémy z projektů na GitHubu.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- TianxiCode, agent pro práci s kódem od týmu Lenovo Tianxi AI, vyřešil s modelem DeepSeek V4.1 Flash 213 z 300 úloh SWE bench Live Lite.
- Test prověřuje, zda AI dokáže opravovat skutečné problémy z projektů na GitHubu.
- Označení Verified zahrnuje kontrolu průběhu práce agenta i podmínek hodnocení, mimo jiné kvůli možnému úniku referenčních řešení, testů nebo výsledků.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Lenovo’s Tianxi AI team achieve with its in-house TianxiCode coding-agent framework running DeepSeek-V4.1-Flash on SWE-bench-Live L. Article summary: Lenovo’s Tianxi AI team reportedly took first place on SWE-bench-Live Lite with its in-house TianxiCode agent framework running DeepSeek-V4.1-Flash, achieving an officially verified 71% resolution rate; QbitAI reported t. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Lenovo Tianxi AI obsadilo první místo v žebříčku SWE-bench-Live Lite se systémem TianxiCode, který běží na modelu DeepSeek-V4.1-Flash. Záznam z 8. října 2026 uvádí úspěšnost 71,0 %: systém vyřešil 213 z 300 úloh a získal označení Verified. Před dalším ověřeným výsledkem vedl jen těsně — ten dosáhl 70,33 %. 2
16
Výsledek je pozoruhodný, ale jeho dosah je třeba číst přesně: jde o část Lite, nikoli o důkaz, že systém vede v plném nebo vícejazyčném hodnocení SWE-bench-Live. O výsledku informoval QbitAI 9. října a Pandaily se mu věnoval následující den. 5
19
44
Co úspěšnost 71 % znamená
SWE-bench-Live ověřuje, zda AI dokáže řešit softwarové problémy pocházející ze skutečných projektů na GitHubu tím, že navrhne opravu v podobě změny kódu. Nejde tedy jen o doplňování kódu nebo generování samostatných ukázek, ale o úkoly, které vyžadují práci s problémem v kontextu projektu. 5
19
V hodnocené sestavě spolupracovaly TianxiCode a DeepSeek-V4.1-Flash. Podle dostupných popisů zajišťuje model porozumění kódu a uvažování, zatímco rámec TianxiCode obstarává pracovní postup a používání nástrojů. Skóre proto patří celé kombinaci; samo o sobě neukazuje, jakou část výkonu zajistil model a jakou rámec. 6
16
Co přidává označení Verified
Podle zprávy QbitAI vyžaduje ověření SWE-bench-Live kompletní záznamy průběhu práce agenta. Hodnotitelé kontrolují také vstupy a oddělení informací, aby posoudili, zda systém nemohl získat přístup k referenčním odpovědím, testům nebo výsledkům. TianxiCode tímto ověřením prošel. 5
Taková kontrola dává o hodnocení více informací než samotné neověřené skóre. Není ale potvrzením obecné výkonnosti v každodenním vývoji: výsledek se stále vztahuje ke konkrétním úlohám v části Lite. 5
16
Přínos rámce — a hranice závěrů
TianxiCode je podle dostupných popisů navržený pro vyhledávání napříč soubory a více kroky, samostatné plánování s opakovaným používáním nástrojů a uzavřený cyklus tvorby a opravování změn podle výsledků testů. Jde o popis funkcí rámce, nikoli o samostatná měření toho, kolik každá z nich přispěla k dosaženým 71 %. 9
15
Výsledek naznačuje, že při hodnocení AI pro programování může záležet nejen na samotném modelu, ale i na tom, jak je sestaven jeho pracovní postup a nástroje. Nedokazuje však, že model třídy Flash přináší nižší náklady, nevyčísluje případné úspory a neukazuje, jak by TianxiCode dopadl s jiným modelem. Dostupné zprávy navíc neuvádějí konkrétní termín širšího nasazení ani jmenované produkty. 5
6
Stručně řečeno
TianxiCode a DeepSeek-V4.1-Flash dosáhly silného, oficiálně ověřeného výsledku v SWE-bench-Live Lite: 213 vyřešených úloh z 300 a první místo v žebříčku z 8. října. Závěr je ale úzce vymezený: v daném okamžiku vedla právě tato kombinace v části Lite. Výsledek sám o sobě nepotvrzuje prvenství v dalších částech hodnocení ani případné úspory či širší nasazení v praxi.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Lenovo zabodovalo v testu oprav softwaru. TianxiCode vyřešil 213 z 300 úloh"?
TianxiCode, agent pro práci s kódem od týmu Lenovo Tianxi AI, vyřešil s modelem DeepSeek V4.1 Flash 213 z 300 úloh SWE bench Live Lite.
What are the key points to validate first?
TianxiCode, agent pro práci s kódem od týmu Lenovo Tianxi AI, vyřešil s modelem DeepSeek V4.1 Flash 213 z 300 úloh SWE bench Live Lite. Test prověřuje, zda AI dokáže opravovat skutečné problémy z projektů na GitHubu.
What should I do next in practice?
Označení Verified zahrnuje kontrolu průběhu práce agenta i podmínek hodnocení, mimo jiné kvůli možnému úniku referenčních řešení, testů nebo výsledků.
Sources
forck.liveWeek 41, 2026 · AI lab announcements, 5–11 October 2026
swe-bench-live.github.ioSWE-bench-Live Leaderboard
qbitai.com联想天禧自研代码智能体TianxiCode斩获SWE-bench-Live全球第一
pandaily.comLenovo's TianxiCode Agent and DeepSeek-V4.1-Flash Top SWE-bench-Live Lite at 71%, Verified
x.comx.com › thePandaily › articleLenovo's TianxiCode Agent and DeepSeek-V4.1-Flash Top...