RespuestasPublicado18 fuentes
Lenovo encabeza SWE-bench-Live Lite con su agente de código TianxiCode
TianxiCode, el marco de agente de código de Lenovo, resolvió 213 de 300 tareas de SWE bench Live Lite junto a DeepSeek V4.1 Flash: un 71 % verificado y el primer puesto en la tabla del 8 de octubre de 2026. La prueba evalúa si un sistema puede corregir problemas extraídos de proyectos reales de GitHub mediante parch...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- TianxiCode, el marco de agente de código de Lenovo, resolvió 213 de 300 tareas de SWE bench Live Lite junto a DeepSeek V4.1 Flash: un 71 % verificado y el primer puesto en la tabla del 8 de octubre de 2026.
- La prueba evalúa si un sistema puede corregir problemas extraídos de proyectos reales de GitHub mediante parches de código.
- La revisión Verified incluyó el análisis de las trayectorias completas del agente y de las condiciones de evaluación para comprobar posibles filtraciones de respuestas, pruebas o resultados.
Prompt de IA
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 obtuvo el primer puesto de SWE-bench-Live Lite con TianxiCode, su marco de agente de programación, ejecutado junto a DeepSeek-V4.1-Flash. La entrada de la tabla, fechada el 8 de octubre de 2026, registra un 71,0 % de resolución: 213 tareas completadas de un total de 300. También figura como Verified, es decir, pasó la revisión oficial. 2
16
La ventaja fue ajustada: el siguiente resultado verificado alcanzó el 70,33 %, una diferencia de unos 0,67 puntos porcentuales. QbitAI informó del resultado el 9 de octubre y Pandaily lo cubrió al día siguiente. 2
5
19
Qué significa ese 71 %
SWE-bench-Live pone a prueba si un sistema de IA puede resolver problemas de software tomados de proyectos reales de GitHub. Para hacerlo, debe producir parches de código que corrijan esos problemas. Por eso, la evaluación mide más que la capacidad de completar fragmentos o generar código aislado: pone a prueba un flujo de trabajo de resolución de incidencias. 5
19
En este caso, el modelo DeepSeek-V4.1-Flash y el marco TianxiCode participaron como un solo sistema. Según la descripción publicada, DeepSeek se encarga de la comprensión y el razonamiento sobre el código, mientras TianxiCode aporta el flujo de trabajo de ingeniería y el uso de herramientas. Por tanto, el 71 % corresponde a la combinación; no permite separar cuánto aportó cada componente. 6
16
Qué aporta la revisión Verified
La revisión oficial requiere presentar las trayectorias completas de ejecución del agente. Según QbitAI, el proceso también examina las entradas de evaluación y el aislamiento de la información para detectar posibles filtraciones de respuestas de referencia, casos de prueba o resultados. La entrada de TianxiCode superó esa revisión. 5
Ese control añade garantías sobre cómo se realizó la evaluación, pero no convierte el resultado en una prueba de rendimiento general en cualquier entorno. La cifra se limita a las tareas de la categoría Lite y no demuestra liderazgo en la tabla completa ni en las clasificaciones multilingües. 5
16
44
El papel del agente y lo que aún no se puede concluir
Los informes atribuyen a TianxiCode capacidades como buscar información en varios archivos y etapas, planificar tareas con varias llamadas a herramientas y generar parches en un ciclo de corrección guiado por pruebas. Son características descritas junto al resultado, no mediciones independientes que indiquen cuánto contribuyó cada una al 71 %. 9
15
La clasificación sí muestra que el diseño del agente y sus herramientas pueden ser parte importante del desempeño en este tipo de pruebas, además del modelo subyacente. Pero no demuestra que un modelo de la categoría Flash sea más barato o eficiente en costos, no cuantifica ahorros y tampoco indica qué resultado obtendría TianxiCode con otro modelo. 5
6
Lenovo ha señalado que quiere llevar este trabajo a sus herramientas para desarrolladores y a productos de hardware con IA, pero la información disponible no da un calendario ni identifica productos concretos. 2
5
En resumen
TianxiCode y DeepSeek-V4.1-Flash obtuvieron un resultado sólido y verificado en SWE-bench-Live Lite: 213 de 300 tareas resueltas y el primer puesto en la tabla del 8 de octubre. La conclusión más precisa también es la más acotada: esa combinación encabezó la clasificación Lite en esa fecha. El resultado, por sí solo, no demuestra liderazgo en otras categorías ni permite sacar conclusiones sobre costos o despliegues reales.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Lenovo encabeza SWE-bench-Live Lite con su agente de código TianxiCode"?
TianxiCode, el marco de agente de código de Lenovo, resolvió 213 de 300 tareas de SWE bench Live Lite junto a DeepSeek V4.1 Flash: un 71 % verificado y el primer puesto en la tabla del 8 de octubre de 2026.
¿Cuáles son los puntos clave a validar primero?
TianxiCode, el marco de agente de código de Lenovo, resolvió 213 de 300 tareas de SWE bench Live Lite junto a DeepSeek V4.1 Flash: un 71 % verificado y el primer puesto en la tabla del 8 de octubre de 2026. La prueba evalúa si un sistema puede corregir problemas extraídos de proyectos reales de GitHub mediante parches de código.
¿Qué debo hacer a continuación en la práctica?
La revisión Verified incluyó el análisis de las trayectorias completas del agente y de las condiciones de evaluación para comprobar posibles filtraciones de respuestas, pruebas o resultados.
Fuentes
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
openai-hub.com联想TianxiCode登顶SWE-bench-Live：71%解决率背后的代码智能体能力解...