Lenovoʻning Tianxi AI jamoasi kodlash uchun agent ishlab chiqdilar va u SWE-bench-Live platformasining Lite reytingida birinchi oʻrinni qoʻlga kiritdi. Ushbu benchmark sunʼiy intellekt tizimlaridan GitHub loyihalaridan olingan haqiqiy muammolarni hal qilishni talab qiladi. DeepSeek-V4.1-Flash asosiy model sifatida ishlatilgan TianxiCode agenti 71% vazifalarni hal qila oldi va Lenovo tomonidan 9-oktabrda eʼlon qilingan QbitAI bayonotiga koʻra, benchmarkning rasmiy tekshiruvidan oʻtdi.
Muhim jihat shundaki, bu natija faqat Lite boʻlimiga tegishli, toʻliq yoki koʻp tilli reyting jadvallariga emas. Ommaviy yetakchilar roʻyxatiga koʻra, 8-oktyabrdagi yozuv Lite vazifalari ichidan 300 tasi dan 213 tasini hal qilishni koʻrsatdi. Shu shu kategoriyadagi keyingi tekshirilgan ishtirokchiga nisbatan ustunlik atigi 0.67 foiz punktni tashkil etadi, chunki keyingi ishtirokchi 70.33% darajasida joylashgan.
SWE-bench-Live anʼanaviy kodlash testlaridan farq qiladi, ular sintaksis yoki alohida funksiyalarni tekshiradi. Har bir vazifa GitHubdagi haqiqiy tiketga asoslangan va tizim muammoni takrorlanadigan ishga tushirish muhitida tuzatadigan patch yaratishi kerak. «Verified» belgisini olish uchun jamoalar agentining toʻliq ish yoʻllarini taqdim etadilar, soʻngra tashkilotchilar baholash kirish maʼlumotlari va standart javoblar, sinov misollari yoki natijalar sizib chiqmasligini tekshirish uchun izolyatsiya sozlamalarini tekshiradilar.
TianxiCode agenti qanday ishlaydi
Lenovo funksiyalarning taqsimotini quyidagicha tasvirlaydi: DeepSeek-V4.1-Flash «muhandis miyasi» rolini bajaradi, kodni tahlil qiladi va tuzatishlarni taklif qiladi, TianxiCode esa «koʻzlar, qoʻllar, vositalar va ish intizomi»ni taʼminlaydi. Kompaniya uchta asosiy qobiliyatni taʼkidlaydi. Fayllar orasidagi koʻp bosqichli maʼlumot qidiruvi, kontekstni cheklash va kesish bilan birgalikda agentga katta kod bazasida xato sababini aniqlash imkonini beradi. Koʻp bosqichli vositalar chaqiruvi bilan avtonom rejalashtirish unga xatolarni tuzatish rejasi tuzish, terminalda testlarni ishga tushirish, jurnalni oʻqish va oʻzgarishlar tarixini solishtirish, soʻngra qiyinchilik tugʻilsa, yondashuvni oʻzgartirish imkonini beradi.
Testlarga asoslangan oʻz-oʻzini tuzatish bilan yopilgan tuzatish sikli, izolyatsiya qilingan muhitda yangi kodni ishga tushirish va patch tekshiruvdan oʻtgunigacha uni takomillashtirish imkonini beradi. TianxiCode Lenovoʻning Tianxi AI ekotizimida kod yaratish va dasturiy taʼminotni ishlab chiqish komponentidir. Lenovo ushbu ishni ishlab chiquvchilar vositalari zanjirlariga va AI asosidagi apparat mahsulotlariga integratsiya qilishni rejalashtirmoqda, ammo u qachon yoki qaysi qurilmalarda ishlaydiligi haqida maʼlumot berilmadi.
Olingan natija ham samarali Flash sinfidagi modelning kuchli agent mexanizmi bilan birlashmasi natijasidagi salohiyatni namoyish etadi. Lenovo boshqa modellar ustida shu tizimning alohida baholarini nashr etmadi.