คำตอบเผยแพร่แล้ว18 แหล่งที่มา
เอเจนต์เขียนโค้ดของ Lenovo แก้โจทย์ได้ 213 จาก 300 ข้อบน SWE-bench-Live Lite
TianxiCode เฟรมเวิร์กเอเจนต์เขียนโค้ดของ Lenovo ซึ่งใช้ DeepSeek V4.1 Flash แก้โจทย์ได้ 213 จาก 300 งาน คิดเป็น 71% และขึ้นอันดับหนึ่งบนกระดาน SWE bench Live Lite วันที่ 8 ตุลาคม 2026 [2][16] SWE bench Live ทดสอบการแก้ปัญหาจากโปรเจ็กต์ GitHub จริง คะแนนนี้จึงเป็นผลงานของระบบที่รวมโมเดลกับเฟรมเวิร์ก ไม่ใช่คะแนนของ De...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- TianxiCode เฟรมเวิร์กเอเจนต์เขียนโค้ดของ Lenovo ซึ่งใช้ DeepSeek V4.1 Flash แก้โจทย์ได้ 213 จาก 300 งาน คิดเป็น 71% และขึ้นอันดับหนึ่งบนกระดาน SWE bench Live Lite วันที่ 8 ตุลาคม 2026 [2][16]
- SWE bench Live ทดสอบการแก้ปัญหาจากโปรเจ็กต์ GitHub จริง คะแนนนี้จึงเป็นผลงานของระบบที่รวมโมเดลกับเฟรมเวิร์ก ไม่ใช่คะแนนของ DeepSeek เพียงลำพัง [5][19][6]
- สถานะ Verified ผ่านการตรวจสอบเส้นทางการทำงานของเอเจนต์และเงื่อนไขการประเมินที่ออกแบบมาเพื่อตรวจหาความเสี่ยงเรื่องการรั่วไหลของคำตอบหรือชุดทดสอบ [5]
AI พรอมต์
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
ทีม Tianxi AI ของ Lenovo ขึ้นอันดับหนึ่งบนกระดาน SWE-bench-Live Lite ด้วย TianxiCode เฟรมเวิร์กเอเจนต์เขียนโค้ดที่พัฒนาขึ้นเอง โดยทำงานร่วมกับโมเดล DeepSeek-V4.1-Flash รายการบนกระดานวันที่ 8 ตุลาคม 2026 ระบุอัตราแก้โจทย์สำเร็จ 71.0% จากทั้งหมด 300 งาน หรือ 213 งาน และมีสถานะ Verified คะแนนนำผู้เข้าแข่งขันรายถัดไปที่ผ่านการตรวจสอบอยู่เพียงราว 0.67 จุดเปอร์เซ็นต์ 2
16
ตัวเลขนี้น่าสนใจ แต่ควรอ่านให้ตรงขอบเขต: เป็นผลงานบนกระดานย่อย Lite ไม่ได้หมายความว่าระบบนำบนกระดาน Full หรือกระดานหลายภาษา QbitAI รายงานผลเมื่อวันที่ 9 ตุลาคม ส่วน Pandaily นำเสนอข่าวในวันที่ 10 ตุลาคม 5
19
44
คะแนน 71% วัดอะไร
SWE-bench-Live ใช้ปัญหาจากโปรเจ็กต์จริงบน GitHub เพื่อทดสอบว่า AI สามารถวิเคราะห์ปัญหาและส่งแพตช์โค้ดที่แก้ปัญหานั้นได้หรือไม่ จึงเป็นการวัดกระบวนการทำงานเพื่อแก้โจทย์ซอฟต์แวร์ มากกว่าการเติมโค้ดหรือสร้างโค้ดเป็นชิ้น ๆ 5
19
รายการนี้จับคู่ TianxiCode กับ DeepSeek-V4.1-Flash โดยรายงานระบุว่าโมเดลช่วยด้านความเข้าใจและการให้เหตุผลเกี่ยวกับโค้ด ขณะที่ TianxiCode จัดการเวิร์กโฟลว์ทางวิศวกรรมและการใช้เครื่องมือ คะแนนจึงสะท้อนผลงานของระบบทั้งชุด และไม่ได้แยกวัดว่าโมเดลหรือเฟรมเวิร์กมีส่วนต่อคะแนนมากน้อยเพียงใด 6
16
สถานะ Verified บอกอะไร
รายงานของ QbitAI ระบุว่ากระบวนการตรวจสอบ Verified ของ SWE-bench-Live กำหนดให้ผู้เข้าแข่งขันส่งเส้นทางการทำงานของเอเจนต์ตลอดกระบวนการ จากนั้นผู้จัดตรวจสอบข้อมูลที่ใช้ประเมินและการแยกสภาพแวดล้อม เพื่อหาความเป็นไปได้ที่เอเจนต์จะเห็นคำตอบอ้างอิง ชุดทดสอบ หรือผลลัพธ์ล่วงหน้า TianxiCode ผ่านการตรวจสอบดังกล่าว 5
การตรวจสอบนี้ช่วยให้ทราบรายละเอียดของการประเมินมากกว่าคะแนนที่ยังไม่ผ่านการทบทวน แต่ไม่ได้ยืนยันว่าระบบจะทำงานได้ดีในทุกสถานการณ์จริง ผลที่รายงานยังจำกัดอยู่กับโจทย์และชุด Lite ของการทดสอบนี้ 5
16
บทบาทของเฟรมเวิร์ก และข้อจำกัดที่ควรรู้
รายงานอธิบายความสามารถของ TianxiCode ว่ารองรับการค้นหาข้อมูลข้ามหลายไฟล์และหลายขั้นตอน การวางแผนด้วยตนเองพร้อมเรียกใช้เครื่องมือหลายรอบ และการสร้างแพตช์แบบวนปรับแก้โดยอาศัยการทดสอบ 9
15 อย่างไรก็ตาม ข้อมูลเหล่านี้เป็นคำอธิบายความสามารถของเฟรมเวิร์กที่รายงานประกอบกับผลทดสอบ ไม่ใช่ผลวัดแยกว่าความสามารถแต่ละข้อช่วยเพิ่มคะแนน 71% เท่าใด
ผลนี้สอดคล้องกับแนวคิดที่ว่าเวิร์กโฟลว์และเครื่องมือของเอเจนต์อาจมีส่วนสำคัญต่อผลงานในการทดสอบเขียนโค้ดควบคู่ไปกับตัวโมเดล แต่ยังไม่พิสูจน์ว่าโมเดลระดับ Flash มีต้นทุนคุ้มค่ากว่า หรือสร้างการประหยัดได้เท่าใด และไม่ได้บอกว่า TianxiCode จะทำคะแนนอย่างไรเมื่อใช้กับโมเดลอื่น รายงานที่มีอยู่ยังไม่ได้ระบุกำหนดการนำไปใช้ที่ชัดเจนหรือชื่อผลิตภัณฑ์สำหรับแผนขยายการใช้งานของ Lenovo 5
6
สรุป
TianxiCode ที่ทำงานร่วมกับ DeepSeek-V4.1-Flash ทำผลงานได้แข็งแกร่งและผ่านการตรวจสอบอย่างเป็นทางการบน SWE-bench-Live Lite โดยแก้ได้ 213 จาก 300 งาน และขึ้นอันดับหนึ่งบนกระดานวันที่ 8 ตุลาคม ข้อสรุปที่ชัดเจนที่สุดจึงยังเป็นข้อสรุปที่มีขอบเขตจำกัด: ระบบคู่นี้นำบนกระดาน Lite ณ เวลานั้น ส่วนการนำบนกระดานที่กว้างกว่า ประสิทธิภาพด้านต้นทุน และแผนการใช้งานจริง ยังพิสูจน์ไม่ได้จากคะแนนนี้เพียงอย่างเดียว
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "เอเจนต์เขียนโค้ดของ Lenovo แก้โจทย์ได้ 213 จาก 300 ข้อบน SWE-bench-Live Lite" คืออะไร
TianxiCode เฟรมเวิร์กเอเจนต์เขียนโค้ดของ Lenovo ซึ่งใช้ DeepSeek V4.1 Flash แก้โจทย์ได้ 213 จาก 300 งาน คิดเป็น 71% และขึ้นอันดับหนึ่งบนกระดาน SWE bench Live Lite วันที่ 8 ตุลาคม 2026 [2][16]
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
TianxiCode เฟรมเวิร์กเอเจนต์เขียนโค้ดของ Lenovo ซึ่งใช้ DeepSeek V4.1 Flash แก้โจทย์ได้ 213 จาก 300 งาน คิดเป็น 71% และขึ้นอันดับหนึ่งบนกระดาน SWE bench Live Lite วันที่ 8 ตุลาคม 2026 [2][16] SWE bench Live ทดสอบการแก้ปัญหาจากโปรเจ็กต์ GitHub จริง คะแนนนี้จึงเป็นผลงานของระบบที่รวมโมเดลกับเฟรมเวิร์ก ไม่ใช่คะแนนของ DeepSeek เพียงลำพัง [5][19][6]
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
สถานะ Verified ผ่านการตรวจสอบเส้นทางการทำงานของเอเจนต์และเงื่อนไขการประเมินที่ออกแบบมาเพื่อตรวจหาความเสี่ยงเรื่องการรั่วไหลของคำตอบหรือชุดทดสอบ [5]
แหล่งที่มา
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...