聯想天禧AI團隊的自研程式碼智能體框架TianxiCode，配合DeepSeek-V4.1-Flash，在SWE-bench-Live Lite取得71.0%解決率，300項任務中完成213項，登上2026年10月8日榜單榜首，並標示為Verified。 216

不過，領先幅度不大：下一個通過核驗的項目得分為70.33%，相差約0.67個百分點。量子位（QbitAI）於10月9日報道，Pandaily則於10月10日跟進。 251944

71%分數代表甚麼？

SWE-bench-Live以真實GitHub專案中的軟件問題作為測試任務，評估AI系統能否找出問題並提交可修復問題的程式碼補丁。換言之，它測試的不只是生成一段程式碼，而是處理工程問題的整套流程。 519

這次上榜的是TianxiCode與DeepSeek-V4.1-Flash的組合。報道指，DeepSeek負責程式碼理解和推理，TianxiCode則處理工程流程及工具調用。因此，71%反映整套系統的表現，不能單憑這個分數分辨模型和框架各自帶來多少貢獻。 616

「Verified」核驗了甚麼？

量子位報道指，SWE-bench-Live的Verified機制要求參賽方案提交完整的智能體執行軌跡；官方亦會檢查評測輸入和資訊隔離安排，排查標準答案、測試用例或結果有否可能外洩。TianxiCode這次通過了核驗。 5

這項核驗為評測過程提供了額外檢查，但不等於證明系統在所有實際開發環境都能有同樣表現。這次成績仍只適用於Lite分榜的測試任務，不能當成完整榜單或多語言榜單的領先證據。 516

框架能力與證據界線

相關報道形容，TianxiCode支援跨檔案、多跳檢索、自主規劃及多輪工具調用，亦具備配合測試調整程式碼補丁的閉環流程。這些是報道提及的框架能力，並非各自獨立測出的成績，也沒有數據說明每項能力對71%分數的具體影響。 915

這次結果顯示，在程式碼基準測試中，智能體的工程流程和工具運用可能與底層模型同樣重要。但單憑這個分數，無法證明Flash級模型更具成本效益、量化任何成本節省，亦不能得知TianxiCode配合其他模型時會有甚麼表現。現有報道也未交代聯想相關部署計劃的具體時間表或產品名稱。 56

重點整理

TianxiCode配合DeepSeek-V4.1-Flash，在SWE-bench-Live Lite完成213項、共300項任務，並以經官方核驗的71%成績登上10月8日榜首。最穩妥的解讀是：這個特定的模型與智能體組合當時在Lite分榜領先；至於其他榜單的表現、實際成本效益和部署安排，仍未能由這項分數證實。

聯想天禧AI團隊的自研程式碼智能體框架TianxiCode，配合DeepSeek-V4.1-Flash，在SWE-bench-Live Lite取得71.0%解決率，300項任務中完成213項，登上2026年10月8日榜單榜首，並標示為Verified。 216

不過，領先幅度不大：下一個通過核驗的項目得分為70.33%，相差約0.67個百分點。量子位（QbitAI）於10月9日報道，Pandaily則於10月10日跟進。 251944

71%分數代表甚麼？

SWE-bench-Live以真實GitHub專案中的軟件問題作為測試任務，評估AI系統能否找出問題並提交可修復問題的程式碼補丁。換言之，它測試的不只是生成一段程式碼，而是處理工程問題的整套流程。 519

這次上榜的是TianxiCode與DeepSeek-V4.1-Flash的組合。報道指，DeepSeek負責程式碼理解和推理，TianxiCode則處理工程流程及工具調用。因此，71%反映整套系統的表現，不能單憑這個分數分辨模型和框架各自帶來多少貢獻。 616

「Verified」核驗了甚麼？

量子位報道指，SWE-bench-Live的Verified機制要求參賽方案提交完整的智能體執行軌跡；官方亦會檢查評測輸入和資訊隔離安排，排查標準答案、測試用例或結果有否可能外洩。TianxiCode這次通過了核驗。 5

這項核驗為評測過程提供了額外檢查，但不等於證明系統在所有實際開發環境都能有同樣表現。這次成績仍只適用於Lite分榜的測試任務，不能當成完整榜單或多語言榜單的領先證據。 516

框架能力與證據界線

相關報道形容，TianxiCode支援跨檔案、多跳檢索、自主規劃及多輪工具調用，亦具備配合測試調整程式碼補丁的閉環流程。這些是報道提及的框架能力，並非各自獨立測出的成績，也沒有數據說明每項能力對71%分數的具體影響。 915

這次結果顯示，在程式碼基準測試中，智能體的工程流程和工具運用可能與底層模型同樣重要。但單憑這個分數，無法證明Flash級模型更具成本效益、量化任何成本節省，亦不能得知TianxiCode配合其他模型時會有甚麼表現。現有報道也未交代聯想相關部署計劃的具體時間表或產品名稱。 56

重點整理

TianxiCode配合DeepSeek-V4.1-Flash，在SWE-bench-Live Lite完成213項、共300項任務，並以經官方核驗的71%成績登上10月8日榜首。最穩妥的解讀是：這個特定的模型與智能體組合當時在Lite分榜領先；至於其他榜單的表現、實際成本效益和部署安排，仍未能由這項分數證實。