Câu trả lờiĐã xuất bản18 nguồn
TianxiCode đứng đầu bảng SWE-bench-Live Lite với 71%
TianxiCode, framework tác tử lập trình của Lenovo chạy DeepSeek V4.1 Flash, giải được 213 trên 300 bài SWE bench Live Lite, tương ứng 71% và đứng đầu bảng ngày 8/10/2026. SWE bench Live đánh giá khả năng xử lý vấn đề từ các dự án GitHub thực tế; điểm số phản ánh cả mô hình lẫn framework, không chỉ riêng DeepSeek.
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- TianxiCode, framework tác tử lập trình của Lenovo chạy DeepSeek V4.1 Flash, giải được 213 trên 300 bài SWE bench Live Lite, tương ứng 71% và đứng đầu bảng ngày 8/10/2026.
- SWE bench Live đánh giá khả năng xử lý vấn đề từ các dự án GitHub thực tế; điểm số phản ánh cả mô hình lẫn framework, không chỉ riêng DeepSeek.
- Hạng mục Verified yêu cầu nộp toàn bộ dấu vết hoạt động của tác tử và rà soát điều kiện đánh giá nhằm hạn chế rò rỉ đáp án, bộ kiểm thử hoặc kết quả.
Prompt AI
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 cho biết TianxiCode, framework tác tử lập trình do đội Tianxi AI phát triển, đạt vị trí số một trên bảng SWE-bench-Live Lite khi chạy cùng DeepSeek-V4.1-Flash. Bản ghi trên bảng xếp hạng ngày 8/10/2026 ghi nhận tỷ lệ giải quyết 71,0%: hệ thống xử lý được 213 trong tổng số 300 bài và đã qua kiểm định Verified. Khoảng cách với mục xếp sau đã được xác minh khá sít sao, ở mức khoảng 0,67 điểm phần trăm. 2
16
Đây là một kết quả đáng chú ý, nhưng phạm vi cần được nói rõ: thành tích thuộc bảng Lite, không chứng minh hệ thống dẫn đầu bảng Full hay các bảng đa ngôn ngữ. QbitAI đưa tin ngày 9/10; Pandaily đăng bài về kết quả này ngày 10/10. 5
19
44
Bài kiểm tra này đo điều gì?
SWE-bench-Live đưa cho hệ thống các vấn đề lấy từ những dự án GitHub thực tế, rồi đánh giá liệu hệ thống có thể tạo bản vá mã để khắc phục chúng hay không. Vì vậy, bài kiểm tra không chỉ xem AI có thể viết một đoạn mã riêng lẻ, mà còn xem nó xử lý được quy trình tìm và sửa lỗi trong dự án phần mềm như thế nào. 5
19
Ở mục xếp hạng này, TianxiCode được ghép với DeepSeek-V4.1-Flash. Các tường thuật mô tả DeepSeek đảm nhiệm phần hiểu mã và suy luận, còn TianxiCode tổ chức quy trình kỹ thuật và sử dụng công cụ. Do đó, 71% là kết quả của cả hệ thống kết hợp, không phải phép đo riêng phần đóng góp của mô hình nền. 6
16
Verified có ý nghĩa gì?
Theo QbitAI, cơ chế Verified yêu cầu các đội nộp toàn bộ dấu vết vận hành của tác tử. Ban tổ chức xem xét đầu vào đánh giá và môi trường cách ly thông tin, đồng thời kiểm tra nguy cơ hệ thống bị lộ đáp án tham chiếu, bộ kiểm thử hoặc kết quả. TianxiCode đã vượt qua bước rà soát này. 5
Việc kiểm định giúp cung cấp thêm thông tin về cách kết quả được đánh giá so với một điểm số chưa qua rà soát. Tuy nhiên, Verified không đồng nghĩa với việc đã chứng minh hiệu năng rộng rãi trong mọi tình huống thực tế: con số được công bố vẫn gắn với các bài tập thuộc bảng Lite. 5
16
Framework đóng vai trò gì — và chưa thể kết luận điều gì?
Các nguồn mô tả TianxiCode có khả năng truy xuất nhiều bước qua nhiều tệp, lập kế hoạch và gọi công cụ qua nhiều lượt, cũng như tạo bản vá theo vòng lặp có kiểm thử để điều chỉnh khi cần. Đây là những năng lực framework được nêu cùng kết quả benchmark; dữ liệu hiện có không tách riêng mức đóng góp của từng năng lực vào điểm 71%. 9
15
Kết quả cho thấy quy trình tác tử và bộ công cụ có thể là một phần quan trọng bên cạnh mô hình nền trong các bài kiểm tra lập trình. Nhưng riêng điểm số này không chứng minh mô hình dòng Flash tiết kiệm chi phí hơn, không lượng hóa mức tiết kiệm, cũng không cho biết TianxiCode sẽ đạt kết quả ra sao nếu ghép với mô hình khác. Các thông tin hiện có cũng chưa nêu lịch triển khai cụ thể hay tên sản phẩm sẽ tích hợp framework. 5
6
Kết luận
TianxiCode kết hợp DeepSeek-V4.1-Flash đạt kết quả cao và đã qua kiểm định trên SWE-bench-Live Lite: giải 213/300 bài, đứng đầu bảng ngày 8/10/2026. Kết luận chắc chắn nhất cũng có giới hạn rõ nhất: tổ hợp mô hình–tác tử này dẫn đầu bảng Lite tại thời điểm đó; thành tích trên các bảng rộng hơn, hiệu quả chi phí và kế hoạch triển khai thực tế chưa được chứng minh chỉ bằng kết quả này.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "TianxiCode đứng đầu bảng SWE-bench-Live Lite với 71%" là gì?
TianxiCode, framework tác tử lập trình của Lenovo chạy DeepSeek V4.1 Flash, giải được 213 trên 300 bài SWE bench Live Lite, tương ứng 71% và đứng đầu bảng ngày 8/10/2026.
Những điểm chính cần xác nhận đầu tiên là gì?
TianxiCode, framework tác tử lập trình của Lenovo chạy DeepSeek V4.1 Flash, giải được 213 trên 300 bài SWE bench Live Lite, tương ứng 71% và đứng đầu bảng ngày 8/10/2026. SWE bench Live đánh giá khả năng xử lý vấn đề từ các dự án GitHub thực tế; điểm số phản ánh cả mô hình lẫn framework, không chỉ riêng DeepSeek.
Tôi nên làm gì tiếp theo trong thực tế?
Hạng mục Verified yêu cầu nộp toàn bộ dấu vết hoạt động của tác tử và rà soát điều kiện đánh giá nhằm hạn chế rò rỉ đáp án, bộ kiểm thử hoặc kết quả.
Nguồn
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...