ОтветыОпубликовано17 источники
Кодовый агент Lenovo решил 213 из 300 задач в SWE-bench-Live Lite
Связка TianxiCode и DeepSeek V4.1 Flash решила 213 из 300 задач SWE bench Live Lite и получила проверенный результат 71%. В записи рейтинга от 8 октября 2026 года система заняла первое место, опередив следующий проверенный результат на 0,67 процентного пункта.
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Связка TianxiCode и DeepSeek V4.1 Flash решила 213 из 300 задач SWE bench Live Lite и получила проверенный результат 71%.
- В записи рейтинга от 8 октября 2026 года система заняла первое место, опередив следующий проверенный результат на 0,67 процентного пункта.
- Бенчмарк проверяет решение задач из реальных GitHub проектов; итоговый балл относится к совместной работе модели и фреймворка, а не к DeepSeek отдельно.
Промпт ИИ
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
Связка кодового агентного фреймворка TianxiCode, разработанного командой Lenovo Tianxi AI, и модели DeepSeek-V4.1-Flash заняла первое место в разделе SWE-bench-Live Lite. В записи таблицы от 8 октября 2026 года указаны 71,0% и 213 решённых задач из 300; результат отмечен как Verified — прошедший официальную проверку. 2
16
Отрыв от следующей проверенной записи составил всего 0,67 процентного пункта: там указано 70,33%. Поэтому речь о лидерстве в конкретном рейтинге, а не о большом разрыве между участниками. 19
Что именно проверяет бенчмарк
SWE-bench-Live оценивает, может ли система исправлять проблемы в реальных проектах на GitHub: нужно подготовить патч к коду, который решает описанную задачу. Это проверка целого процесса работы с репозиторием, а не только способности дописывать код или генерировать отдельные фрагменты. 5
19
Результат принадлежит всей связке. По описанию, DeepSeek-V4.1-Flash отвечает за понимание кода и рассуждения, а TianxiCode обеспечивает инженерный процесс и вызов инструментов. Вклад одной модели этот балл отдельно не измеряет. 6
Что означает отметка Verified
Для проверки участники предоставляют полные траектории работы агента. Организаторы также проверяют входные данные и условия информационной изоляции, чтобы выяснить, не мог ли агент получить доступ к эталонным ответам, тестам или результатам. TianxiCode прошёл эту проверку. 5
Это делает результат более содержательным, чем просто заявленный балл, но не превращает его в доказательство высокой эффективности при любых задачах. Речь по-прежнему только о Lite-разделе и его наборе заданий — не о лидерстве в полном или многоязычном рейтинге. 5
16
Роль фреймворка и границы выводов
В описаниях TianxiCode упоминаются поиск по нескольким файлам и переходам между ними, автономное планирование с многократным вызовом инструментов, а также цикл создания патча и его корректировки по результатам тестов. Это заявленные возможности фреймворка, а не отдельные измерения вклада каждой из них в итоговые 71%. 9
15
Результат показывает, что в задачах программной инженерии важна не только базовая модель, но и то, как агент организует работу с кодом и инструментами. Однако он сам по себе не доказывает экономическую эффективность модели класса Flash, не показывает возможную экономию и не позволяет сравнить TianxiCode с другими моделями. 5
6
Lenovo связывает TianxiCode с экосистемой Tianxi AI и говорит о его будущем применении в своих ИИ-устройствах. Конкретные продукты и сроки интеграции в доступных сообщениях не названы. 5
Коротко
TianxiCode вместе с DeepSeek-V4.1-Flash получил официально проверенный результат 71% в SWE-bench-Live Lite и возглавил таблицу на 8 октября 2026 года. Самый точный вывод — именно эта связка заняла первое место в Lite-разделе; более широкие заявления о лидерстве, стоимости или результатах внедрения из одного этого балла не следуют.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Кодовый агент Lenovo решил 213 из 300 задач в SWE-bench-Live Lite»?
Связка TianxiCode и DeepSeek V4.1 Flash решила 213 из 300 задач SWE bench Live Lite и получила проверенный результат 71%.
Какие ключевые моменты необходимо проверить в первую очередь?
Связка TianxiCode и DeepSeek V4.1 Flash решила 213 из 300 задач SWE bench Live Lite и получила проверенный результат 71%. В записи рейтинга от 8 октября 2026 года система заняла первое место, опередив следующий проверенный результат на 0,67 процентного пункта.
Что мне делать дальше на практике?
Бенчмарк проверяет решение задач из реальных GitHub проектов; итоговый балл относится к совместной работе модели и фреймворка, а не к DeepSeek отдельно.
Источники
forck.liveWeek 41, 2026 · AI lab announcements, 5–11 October 2026
swe-bench-live.github.ioSWE-bench-Live Leaderboard
pandaily.comLenovo's TianxiCode Agent and DeepSeek-V4.1-Flash Top SWE-bench-Live Lite at 71%, Verified
qbitai.com联想天禧自研代码智能体TianxiCode斩获SWE-bench-Live全球第一
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...