联想 TianxiCode 登顶 SWE-bench-Live：代码智能体的第一，是“框架”拿的

联想 TianxiCode 登顶 SWE-bench-Live：代码智能体的第一，是“框架”拿的

在国际公认难度最高、最贴近真实开发环境的软件工程评测 SWE-bench-Live（Lite 分榜）上，联想天禧 AI 自主研发的代码智能体框架 TianxiCode，配合 DeepSeek-v4.1-Flash，以 71% 的问题解决率登顶全球第一，并正式通过官方"Verified"审核。

这条新闻的含金量，恰恰不在"模型多强"，而在第一是框架拿的。

这个榜单为什么硬

SWE-bench-Live 不是考"语法对不对"的传统代码测试：它以真实 GitHub 项目里的问题为基础，评估模型和智能体生成代码补丁、修复问题的能力，并提供可复现的执行环境——更贴近真实开发里"理解代码、定位问题、完成修复"的过程。

更要紧的是官方的 Verified 核验机制：参评方案必须提交全链路的智能体运行轨迹，官方团队严格审查评测输入、信息隔离环境，彻底排查有没有向智能体泄露标准答案、测试用例或结果的可能。也就是说，这个 71% 不能靠刷题、不能靠作弊，是官方审过轨迹的可复现成绩。

框架和模型的分工

如果把"TianxiCode + DeepSeek-v4.1-Flash"整个系统比作一个软件工程师：

• DeepSeek-v4.1-Flash 是大脑：负责阅读代码、理解语义、构思解法
• TianxiCode 是眼、手、工具箱和工作流规范：负责敲代码、查日志、跑测试

报道里有一句很关键的话：再聪明的大脑，离开了一双能敲代码、查日志的"手"和严谨的工作习惯，也无法在复杂现实工程里独自解决 Bug。榜单对比数据印证了这点——即便调用顶级闭源模型，缺乏顶层智能体架构的系统协同，面对真实工程难题也常常束手无策。

这跟最近 DeepSeek Harness、Codex Harness 接连开源背后是同一个道理：Agent = 模型 + 框架，框架（Harness）决定了模型的天花板能不能够到。

TianxiCode 的三大系统工程能力

1. 跨文件多跳检索 + 精准上下文管理：像资深工程师一样"顺藤摸瓜"，在大型代码库里快速定位缺陷根因，而不是把整个仓库塞进上下文
2. 自驱动规划 + 多轮工具调用：遇到 Bug 先列排错计划，主动开终端跑测试、翻日志、比对修改记录；解决不了就换思路继续排查，自主推进
3. 闭环补丁生成 + 测试驱动自愈：在隔离环境里跑代码，一旦发现新代码报错或破坏了其他功能，立刻自我反思修改，直到补丁通过项目验收

信号强度

对开发者来说，这条新闻的实际含义是："框架"正在成为代码智能体竞争的主战场。TianxiCode 用的是 DeepSeek 的开源模型，照样登顶——说明模型之外的那套"眼、手、工作流"才是拉开差距的地方。联想还表示 TianxiCode 会落到自家 AI 硬件产品上，这也是"代码智能体进消费设备"的一个信号。

如果你正在搭自己的代码智能体，SWE-bench-Live 的 Verified 机制值得作为验收标准参考——不是看谁宣称多强，而是看谁的轨迹经得起官方审查。而 TianxiCode 的跨文件检索、自测自纠这套方法论，就是当前最接近"工程级"的参考答案之一。

原文：https://www.qbitai.com/2026/10/502422.html