11月8日，B站上线了一期“AI算法对抗大赛”。 九个模型，90分钟，七关造桥。 规则不复杂：用同一套材料把车送过河，过关后比谁花得少。哔哩哔哩GitHub
成绩出来，GPT-6.2 Sol 102.67，Claude Opus 5.5 79.02，GPT-6 Astra 73.48，第四名 Gemini 4 Argon 只有45.31。 第三名和第四名之间隔着28.17分；第四到第九名，总共才差17.38分。这不是一条平滑的排名曲线，是前三名和后面六名之间的断层。GitHub
先看一个反直觉的事实：这场比赛不考写代码。选手交的是JSON设计图，不是程序。 九个人都交得出来，前3关也全部过关。GitHub
真正的墙从第4关开始：第4关“过船”，船鸣笛后要把航道让出来；第5关“钱不够”，没有木杆，预算只有一万；第6关“地狱关”，把航道、礁石、双向车流和卡车叠在一起。第4关只过了3个，第5关只过了1个，第6关只过了3个。GitHub
更关键的是，这场比赛的检查是免费且无限的。网页里的模拟器用的就是比赛引擎，结果和正式赛逐帧一致。 本地模拟器和裁判用的是同一份程序，可以无限次试；正式评分用的就是公开场景，没有隐藏题。 这意味着，任何一个“车掉水里”的结果，在交卷前都能被看见。meowllmGitHub
但交上去的文件不是这样。Gemini、Kimi、豆包、DeepSeek四家，第4到6关的通过数都是0/2、0/2、0/3——不是差一点，是一个场景都没过。 第4关，后六名一个场景都没过；第6关除了前三名，没人拿到分。GitHub
连第二名和第三名也栽在一个几秒钟就能查出来的数字上。第5关，Opus的设计造价是13472元，预算只有10000；Astra是10199元，超了199元。 选手包里的bridge.py本来就能“检查设计、算造价、跑场景”。 他们可能试过，也可能试的是上一版；但交卷那一刻，文件里留着的是一个连预算都没过的设计。GitHubGitHub
不过，把断层全归因于“漏了检查”，也不准确。第4到6关不是跑一遍就能过的题：要改结构、换材料、调机关，再跑一遍。Sol是唯一过第5关的选手，它的六关里有三关比参考答案还便宜，第2关只花了约7702元，参考价约10617元。 这不像“检查一遍”能概括的，更像是把模拟器当成了压造价的工具。GitHub
第7关的攻防把这种差距放大得更清楚。前三名的决赛桥都守住了8辆捣蛋车；后六名里，最好的守住7辆，最差的只守住4辆。 反过来，前三名的捣蛋车分别攻破5、4、6座桥；后六名里，除了Gemini攻破3座，其余五位的捣蛋车一座都没攻破。 桥和车是两种任务，但结果都说明：“设计出来”和“跑得通”之间，还隔着一遍遍试。GitHubmeowllm
当然，这不是一张“模型智商榜”。主办方自己写了：不同工具、不同接入渠道、不同思考档位，不能把本场结果当作模型能力排名。 每个模型也只跑了一次，单次结果有偶然性。 但作为一次“生成”和“验证”的对照实验，它很干净：模拟器公开、结果确定、可以无限次跑，没有隐藏题。谁把最后一公里走完，谁就留在上面。GitHubGitHub
桥造得出来，是能力；桥造完还愿意再跑一遍，是另一种能力。九个AI的差距，最后就落在这件事上。
