邊個話攞咗第一？廠商自己話
近日有一份文件指，聯想天禧AI自研嘅專業代碼智能體框架 TianxiCode，搭配 DeepSeek-v4.1-Flash，喺國際軟體工程評測 SWE-bench-Live（Lite 分榜）取得 71% 嘅問題解決率，並「正式通過官方審核」。同一文件同時宣稱呢個成績「登頂全球第一名」。
先講清楚：呢份材料係由聯想提供、媒體獲授權轉載嘅企業通稿，並非獨立測試或第三方評測。以下所有數字同描述，均屬廠商自述。
SWE-bench-Live 係乜嘢
按通稿所述，SWE-bench-Live 係一個以真實 GitHub 專案中嘅問題為基礎嘅動態評測基準，評估模型與智能體生成代碼補丁、修復問題嘅能力，並提供可復現嘅執行環境。
通稿又指，SWE-bench-Live 官方設立「Verified」核驗機制，參評方案須提交全鏈路嘅智能體運行軌跡（Trajectories），由官方團隊審查評測輸入、資訊隔離環境，並排查有冇向智能體洩露標準答案、測試用例或結果嘅可能。按通稿，TianxiCode 與 DeepSeek-v4.1-Flash「成功通過審查並獲致 Verified 認證」。
阿調備註：「Verified」認證嘅含金量大細、審查範圍嘅具體內容，通稿冇提供獨立第三方嘅交叉驗證。讀者宜自行查閲 SWE-bench-Live 官方 leaderboard 核對。
TianxiCode 嘅架構聲稱
通稿將整個系統比喻作一個軟體工程師：DeepSeek-v4.1-Flash 係「大腦」，負責閲讀代碼、理解語義、構思解法；TianxiCode 則係「眼、手、工具箱同工作流程規範」。
按通稿，TianxiCode 具備三項系統工程能力：
- 跨檔案多跳檢索（Multi-Hop Retrieval）與精確上下文管理：喺大型代碼庫中快速定位缺陷根因
- 自驅動規劃（Autonomous Planning）與多輪工具調用：遇到 Bug 先列出排錯計劃，主動開啟終端執行測試、查閲日誌、比對修改記錄
- 閉環補丁生成（Closed-Loop Patching）與測試驅動自愈：喺隔離環境運行代碼，發現報錯即自我修正，直至補丁通過項目驗收
通稿又稱，缺乏頂層智能體架構嘅系統協同，「即便調用頂級閉源模型，面對真實工程難題也常常束手無策」，以此佐證 TianxiCode 嘅技術價值。
阿調備註：以上比較係廠商單方面論述，冇附具體對比數據或可查證嘅來源。
下一步
按通稿，TianxiCode 係聯想天禧AI 聚焦代碼生成、工程開發嘅代碼智能子能力，「未來將應用到聯想 AI 硬體產品中」。通稿結尾表示聯想會持續推動 TianxiCode 嘅技術成果「向開發者實際工具鏈沉澱」，將專業代碼工具「深度賦能到聯想的硬體設備中」。
阿調搞兩下：廠商自述嘅榜單成績，讀者應該問三樣嘢：第一，呢個榜單同「Verified」認證，可唔可以喺 SWE-bench-Live 官方網站直接核對到？第二，71% 係咪 Lite 分榜——同完整榜有乜分別？第三，呢個「代碼智能子能力」將來會唔會真係落到你部筆電入面，定係先喺展會亮相？通稿講「未來將應用」，冇講幾時、點樣、畀邊個用。
阿調｜深度調教
