联想公布代码智能体成绩，计划接入自有智能硬件

联想天禧团队介绍 TianxiCode 配合 DeepSeek-V4.1-Flash 在 SWE-bench-Live 的 Lite 分榜取得百分之七十一问题解决率，并称通过审核。该能力未来拟接入联想 AI 硬件；分榜结果不能直接当作所有软件项目的修复成功率。

量1 个来源622026年10月9日代码智能体国产技术模型评测

要点

展示执行框架对现有模型的作用，也提醒读者看清榜单范围。

开发编程助手、采购 AI 电脑和研究代码代理的团队会受影响。

暂无可试

未实测

本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。

Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。

BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。

UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。

爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。