联想天禧 TianxiCode 登顶 SWE-bench-Live 全球第一：71% 问题解决率通过官方 Verified 认证

在软件工程圈，一个代码智能体到底有没有「真本事」，靠的是让它去修真实 GitHub 项目里的真实 Bug，而不是背几道语法题。在国际公认难度最高、最贴近真实开发环境的评测 SWE-bench-Live 上，联想天禧 AI 自研的代码智能体框架 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。

一分钟速览

• 联想天禧自研代码智能体框架 TianxiCode 在 SWE-bench-Live（Lite 分榜）登顶全球第一；
• 配合 DeepSeek-v4.1-Flash，取得 71% 问题解决率，并通过官方 Verified 核验；
• 具备跨文件多跳检索、自驱动规划、闭环补丁生成三大系统工程能力；
• 未来将落地联想 AI 硬件产品，服务真实开发场景。

SWE-bench-Live 的含金量

与传统考查语法或单函数生成的测试不同，SWE-bench-Live 以真实 GitHub 项目的问题为基础，评估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。官方还设立了「Verified」核验机制：参评方案必须提交全链路智能体运行轨迹，由官方团队严格审查评测输入、信息隔离环境，并彻底排查是否存在向智能体泄露标准答案或测试用例的可能。TianxiCode 能通过这项审查，说明其成绩可复现、有含金量。

「大脑」与「工具箱」的配合

如果把整套系统比作一个软件工程师，DeepSeek-v4.1-Flash 是负责阅读代码、理解语义、构思解法的「大脑」，TianxiCode 则是眼、手、工具箱和工作流规范。官方披露，多项榜单对比印证了一点：若缺乏顶层智能体架构的系统协同，即便调用顶级闭源模型，面对真实工程难题也常常束手无策。

TianxiCode 的三大工程能力值得拆开看：跨文件多跳检索与精准上下文管理，让它在大型代码库中「顺藤摸瓜」定位缺陷根因；自驱动规划与多轮工具调用，让它像真人程序员一样主动打开终端跑测试、翻日志、比对修改记录；闭环补丁生成与测试驱动自愈，则让它能在隔离环境中自测自纠，直到补丁通过项目验收。

趋势洞察

榜单排名的意义，最终要落到「帮一线开发者分担排错与工程协同成本」上。联想天禧 AI 表示将持续把 TianxiCode 的技术成果向开发者工具链沉淀，并深度赋能联想硬件设备。这背后是一个更宏观的趋势：代码智能体的竞争力，正从「单点模型分数」转向「模型 + 工程架构」的系统性能力，谁能把模型潜力通过工程底座释放出来，谁才能在真实研发场景里站稳脚跟。

为什么这套组合能赢

值得注意的还有 TianxiCode 的选型思路：它没有一味追求更大参数的闭源旗舰模型，而是把 DeepSeek-v4.1-Flash 作为「大脑」，再通过自研工程底座把模型潜力充分释放出来。这印证了一个行业共识——在真实的软件工程任务里，模型能力与智能体架构是相乘而非相加的关系：一个优秀的工程框架，往往比单纯换更大的模型更能决定最终的问题解决率。对开发者而言，这也意味着代码智能体的竞争，正在从「比谁的模型更大」转向「比谁的工程底座更扎实」。