AnswersPublished18 sources
Lenovos kodagent når 71 procent på SWE-bench-Live Lite
Lenovos kodagentramverk TianxiCode, med DeepSeek V4.1 Flash, löste 213 av 300 uppgifter och fick 71 procent på SWE bench Live Lite. Testet utvärderar om AI system kan lösa problem hämtade från riktiga GitHub projekt.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Lenovos kodagentramverk TianxiCode, med DeepSeek V4.1 Flash, löste 213 av 300 uppgifter och fick 71 procent på SWE bench Live Lite.
- Testet utvärderar om AI system kan lösa problem hämtade från riktiga GitHub projekt.
- Verifieringen omfattade granskning av agentens körningsförlopp och utvärderingsförhållanden för att kontrollera risken för läckta svar eller testfall.
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
Lenovos Tianxi AI-team tog förstaplatsen på SWE-bench-Live Lite med kodagentramverket TianxiCode, som körde modellen DeepSeek-V4.1-Flash. På topplistan den 8 oktober 2026 står systemet med 71,0 procent: 213 lösta uppgifter av 300. Resultatet är markerat som verifierat. Försprånget till nästa verifierade bidrag var litet – omkring 0,67 procentenheter. 2
16
Det är ett starkt resultat, men det behöver sättas i sitt sammanhang: det gäller Lite-delen av testet och visar inte att systemet leder på hela SWE-bench-Live eller på dess flerspråkiga topplistor. QbitAI rapporterade om resultatet den 9 oktober och Pandaily skrev om det dagen därpå. 5
19
44
Vad mäter 71 procent?
SWE-bench-Live testar om ett AI-system kan lösa programvaruproblem från verkliga GitHub-projekt genom att ta fram kodändringar, eller patchar. Det handlar alltså om mer än att komplettera kod eller skriva en fristående kodsnutt: systemet behöver hantera ett problem i ett projekt. 5
19
På den aktuella topplisteposten används TianxiCode tillsammans med DeepSeek-V4.1-Flash. Enligt rapporteringen står modellen för kodförståelse och resonemang, medan TianxiCode hanterar arbetsflödet och verktygsanvändningen. Poängen mäter därför kombinationen av modell och ramverk – inte modellens bidrag isolerat. 6
16
Vad innebär verifieringen?
Enligt QbitAI kräver SWE-bench-Lives verifieringsprocess att deltagarna lämnar in hela agentens körningsförlopp. Granskarna kontrollerar också utvärderingens indata och informationsisolering för att undersöka om systemet kan ha fått tillgång till facit, testfall eller resultat. TianxiCodes bidrag klarade granskningen. 5
Det ger mer insyn än en poäng utan sådan granskning. Men verifieringen är inte ett bevis på bred prestanda i verklig utveckling: resultatet gäller fortfarande uppgifterna i just Lite-delen. 5
16
Ramverkets roll – och vad resultatet inte visar
Rapporteringen beskriver TianxiCode som ett ramverk med sökning över flera filer och steg, självständig planering med upprepade verktygsanrop samt en sluten loop för att skapa och förbättra patchar. Det är beskrivna egenskaper hos ramverket, inte separata mätningar av hur mycket varje del bidrog till de 71 procenten. 9
15
Resultatet är förenligt med att arbetsflöde och verktyg spelar roll utöver själva modellen i kodningstester. Men det visar inte att en Flash-modell är mer kostnadseffektiv, anger inga besparingar och säger inte hur TianxiCode skulle prestera med en annan modell. Rapporteringen ger inte heller någon konkret tidsplan för integration eller namnger produkter i Lenovos bredare planer. 5
6
Slutsatsen
TianxiCode och DeepSeek-V4.1-Flash fick ett starkt, officiellt granskat resultat på SWE-bench-Live Lite: 213 av 300 uppgifter lösta och förstaplats på topplistan den 8 oktober. Den säkraste slutsatsen är också den snävaste: just den här kombinationen toppade Lite-listan vid den tidpunkten. Resultatet fastslår inte ledarskap på bredare testdelar eller visar i sig något om kostnader och praktisk användning.
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 "Lenovos kodagent når 71 procent på SWE-bench-Live Lite"?
Lenovos kodagentramverk TianxiCode, med DeepSeek V4.1 Flash, löste 213 av 300 uppgifter och fick 71 procent på SWE bench Live Lite.
What are the key points to validate first?
Lenovos kodagentramverk TianxiCode, med DeepSeek V4.1 Flash, löste 213 av 300 uppgifter och fick 71 procent på SWE bench Live Lite. Testet utvärderar om AI system kan lösa problem hämtade från riktiga GitHub projekt.
What should I do next in practice?
Verifieringen omfattade granskning av agentens körningsförlopp och utvärderingsförhållanden för att kontrollera risken för läckta svar eller testfall.
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...