🎯 情报来源：AI News & Artificial Intelligence | TechCrunch
美国西部时间3月12日下午5点，由Databricks联合创始人Andy Konwinski发起的K Prize编程挑战赛公布首轮获胜者。巴西提示工程师Eduardo Rocha de Andrade以仅7.5%的正确率赢得5万美元奖金，这一成绩与当前SWE-Bench基准测试75%的最高正确率形成强烈反差。
K Prize采用与SWE-Bench相似的GitHub问题测试机制，但创新性地设置了”零污染”竞赛规则：仅使用3月12日截止日期后新标记的GitHub问题构建测试集，并通过定时提交系统防止针对性训练。Konwinski已承诺将向首个得分超过90%的开源模型提供100万美元奖金。
💡 核心要点
- 首轮最高分仅7.5%，远低于SWE-Bench当前75%（简易版）和34%（完整版）的最高记录
- 设置100万美元悬赏首个得分超90%的开源模型
- 采用”零污染”测试机制，仅使用3月12日后新出现的GitHub问题
- 测试环境限制计算资源，侧重中小型开源模型公平竞争
- 对比显示当前AI编程能力与市场宣传存在显著差距
📌 情报分析
技术价值 | 评级：高
建立防数据污染的测试机制（仅使用截止日期后新问题），为解决AI评估体系普遍存在的”基准污染”问题提供新范式。但7.5%的超低基准也反映当前技术局限。
商业价值 | 评级：一般
100万美元悬赏具有话题性，但测试难度过高可能影响商业公司参与热情。更可能吸引开源社区和学术机构参与模型优化。
趋势预测 | 评级：极高
Princeton研究者Kapoor等学界人士已提出类似方案，反映行业对重建评估体系的迫切需求。未来6-12个月内，预计将出现更多防污染的垂直领域基准测试。