JawabanDipublikasikan18 sumber
TianxiCode dan DeepSeek Raih Peringkat Teratas di SWE-bench-Live Lite
TianxiCode, framework agen kode dari tim Tianxi AI Lenovo, meraih skor terverifikasi 71% dengan DeepSeek V4.1 Flash: 213 dari 300 tugas terselesaikan di papan Lite pada 8 Oktober 2026. SWE bench Live menguji kemampuan sistem AI memperbaiki masalah dari proyek GitHub.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- TianxiCode, framework agen kode dari tim Tianxi AI Lenovo, meraih skor terverifikasi 71% dengan DeepSeek V4.1 Flash: 213 dari 300 tugas terselesaikan di papan Lite pada 8 Oktober 2026.
- SWE bench Live menguji kemampuan sistem AI memperbaiki masalah dari proyek GitHub.
- Status Verified mencakup pemeriksaan jejak kerja agen dan kondisi evaluasi untuk membantu mencegah kebocoran jawaban, pengujian, atau hasil.
AI Perintah
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 mencatatkan TianxiCode di posisi teratas papan SWE-bench-Live Lite dengan skor 71%, menggunakan model DeepSeek-V4.1-Flash. Entri di papan peringkat bertanggal 8 Oktober 2026 itu menunjukkan 213 dari 300 tugas berhasil diselesaikan dan berstatus Verified. Selisihnya dengan peserta terverifikasi berikutnya tipis: sekitar 0,67 poin persentase. 2
16
Hasil ini menarik, tetapi cakupannya perlu dibaca dengan tepat: ini adalah hasil di papan Lite, bukan bukti bahwa sistem tersebut memimpin papan penuh atau papan multibahasa. QbitAI melaporkan hasilnya pada 9 Oktober, lalu Pandaily mengulasnya pada 10 Oktober. 5
19
44
Apa yang diuji oleh skor 71%?
SWE-bench-Live menguji kemampuan sistem AI menangani masalah perangkat lunak yang diambil dari proyek-proyek GitHub nyata dengan membuat patch kode. Jadi, yang dinilai bukan sekadar melengkapi potongan kode atau menghasilkan kode secara terpisah, melainkan alur kerja untuk memahami dan memperbaiki suatu masalah. 5
19
Dalam entri ini, sistem yang dinilai adalah TianxiCode yang dipasangkan dengan DeepSeek-V4.1-Flash. Laporan menggambarkan model sebagai bagian yang menangani pemahaman dan penalaran kode, sementara TianxiCode mengatur alur kerja rekayasa dan penggunaan alat. Artinya, skor tersebut merupakan hasil gabungan keduanya—bukan ukuran kontribusi model saja. 6
16
Apa arti status “Verified”?
Menurut laporan QbitAI, proses verifikasi SWE-bench-Live meminta peserta menyerahkan jejak lengkap jalannya agen. Tim penilai juga memeriksa masukan evaluasi dan pemisahan informasi untuk mengantisipasi kemungkinan bocornya jawaban acuan, kasus pengujian, atau hasil. Entri TianxiCode lolos pemeriksaan tersebut. 5
Verifikasi ini memberi informasi lebih tentang proses evaluasi dibanding skor tanpa pemeriksaan. Namun, status tersebut bukan jaminan bahwa sistem akan selalu unggul dalam penggunaan nyata: hasil yang dilaporkan tetap terbatas pada tugas-tugas dalam pembagian Lite. 5
16
Peran framework—dan batas kesimpulannya
Laporan menyebut TianxiCode mendukung pencarian lintas berkas dan bertahap, perencanaan mandiri dengan beberapa putaran pemanggilan alat, serta pembuatan patch dalam proses berulang yang disertai pengujian dan koreksi. Kemampuan ini dilaporkan sebagai fitur framework, bukan sebagai pengukuran terpisah atas kontribusi masing-masing fitur terhadap skor 71%. 9
15
Hasil tersebut sejalan dengan gagasan bahwa alur kerja dan perangkat bantu agen dapat berperan bersama model dasar dalam benchmark pemrograman. Namun, skor ini tidak membuktikan bahwa model kelas Flash lebih hemat biaya, tidak mengukur penghematan, dan tidak menunjukkan bagaimana TianxiCode akan tampil dengan model lain. Laporan yang tersedia juga tidak menyebut jadwal integrasi yang spesifik atau produk Lenovo tertentu untuk rencana penerapannya yang lebih luas. 5
6
Intinya
TianxiCode dan DeepSeek-V4.1-Flash meraih hasil kuat yang telah diverifikasi di SWE-bench-Live Lite: 213 dari 300 tugas selesai dan peringkat pertama pada papan 8 Oktober. Kesimpulan paling jelas sekaligus paling terbatas: kombinasi model dan agen ini memimpin papan Lite saat itu. Klaim tentang keunggulan di papan yang lebih luas, penghematan biaya, atau penerapan nyata belum dibuktikan oleh skor tersebut.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "TianxiCode dan DeepSeek Raih Peringkat Teratas di SWE-bench-Live Lite"?
TianxiCode, framework agen kode dari tim Tianxi AI Lenovo, meraih skor terverifikasi 71% dengan DeepSeek V4.1 Flash: 213 dari 300 tugas terselesaikan di papan Lite pada 8 Oktober 2026.
Apa poin penting yang harus divalidasi terlebih dahulu?
TianxiCode, framework agen kode dari tim Tianxi AI Lenovo, meraih skor terverifikasi 71% dengan DeepSeek V4.1 Flash: 213 dari 300 tugas terselesaikan di papan Lite pada 8 Oktober 2026. SWE bench Live menguji kemampuan sistem AI memperbaiki masalah dari proyek GitHub.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Status Verified mencakup pemeriksaan jejak kerja agen dan kondisi evaluasi untuk membantu mencegah kebocoran jawaban, pengujian, atau hasil.
Sumber
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...