11月8日晚，B站UP主"喵了个猫了个咪了个猫"把九个主流大模型请进了一场"贪官造桥"比赛：九个模型各自在90分钟里设计桥梁，开局一次性拿到全部7关，造桥让规定的车辆按时、完好地开到对岸，过关以后比造价。 GPT-6.2 Sol拿到总冠军，而全部题目开源、排行榜向任何人开放，UP主在置顶评论里说明普通玩家可以把自作的桥上传榜单。 截至11月10日晚的实况是：六个关卡的玩家榜首造价全部低于AI冠军的交卷造价，差距最大的一关只有交卷价的不到三成。但"赢了"不等于"人类造桥更强"：玩家榜是一场开卷考试，榜首名字里大量是"人+AI智能体"的组合。成绩怎么看才对，得先把口径捋清。GitHub哔哩哔哩
AI冠军的102.67分：后三关只有三家过关
这场比的是造桥游戏，不是真桥。九个选手是GPT-6.2 Sol、Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon、Grok 4.7、Kimi K3.1 Pro、腾讯混元Hy4、豆包Seed Evolving、DeepSeek V4.1 Flash，在同一套确定性物理引擎里交图纸，桥和"捣蛋车"还要两两攻防72局。 总榜的差距比想象中大：Sol以102.67分（闯关106.24、攻防81.25）居首，Opus 5.5第二79.02分，Astra第三73.48分但攻防分87.50全场最高；往后依次是Gemini 45.31、Grok 35.62、Kimi 32.47、混元31.45、豆包30.96、DeepSeek 27.93。真正拉开档次的是后三关：第4～6关只有前三名过了关，预算最紧的第5关只有Sol一家过关。比赛官网GitHub
读成绩第一层：这不是百分制，是造价比值。关卡分=100×参考答案造价÷你的造价，和参考答案一样便宜得100，更省才超过100；没过、没交、超预算都是0分。 所以DeepSeek的27.93分不能读成"桥一压就塌"：它过了前三关，只是造价压不下来，决赛桥也只挡住了八辆对手捣蛋车中的四辆。反过来，Sol的102.67也不是"全能碾压"，它主要赢在第2关把造价压到7702元、比参考答案10616.73便宜近三成。官方在赛制文档里写得很直白：关卡分以主办方参考答案为100，它不是理论最优，超过100只说明比参考答案便宜。GitHub比赛条件
玩家榜首确实比冠军交卷价便宜：第4关差3.8倍
“普通人赢了AI冠军"的说法来自赛后开放的玩家排行榜：网站按造价从低到高排。 截至11月10日21时左右的实况：第4关榜首造价3064.84元，而冠军Sol交卷价是11712元，折合关卡分约403对105，玩家桥比参考答案还省三分之二以上。 第2关榜首2889.45元、昵称"谢谢前辈开源喵”，对比Sol的7702元同样便宜近三分之二。GitHub比赛官网比赛官网
两个"赢"的条件不对等：90分钟闭卷 vs 无限时长开卷
不过"赢"的两边条件不对等，这是读成绩最容易被跳过的一步。首先，第7关攻防赛没有玩家榜，人类选手不造捣蛋车也不守桥，玩家榜造价再低也不能拿来和总榜的102.67比"总分"。其次，比赛本身是90分钟闭卷：不可以联网、不可以派子代理，比赛中看不到别人的设计，九家各只交一次卷，而且每个模型只跑一次，单次结果有偶然性。比赛条件
而玩家榜是无限时长的开卷：参考答案和九位选手的设计全部公开、可以对照，投稿还能带着联网的编码智能体反复调试，榜首造价因此高度趋近——第1关榜首"gpt6.1sol"造价2305.75元，前三名相差不到几分钱，WorkBuddy、"古法搜索(Cr)“这类智能体工具昵称频繁出现在前排，一份最优设计被不同名字复制上传是常见现象。 所以准确的读法是：超过闭卷AI冠军的，是"人类+AI智能体"在开卷条件下磨出来的答案；把开卷答案直接写成"AI不行"或"人更行”，两头都读反了。最后别忘了主办方的免责句：工具和接入渠道不同，不能把本场结果当作模型能力排名。比赛官网GitHub
桥容易塌的机制：模型输出的是字，不是力
至于AI造的桥为什么容易塌，一位把比赛原理拿去重算的技术UP主给了机制解释：模型吐出来的是字，不是力——造桥游戏每根杆都在受力，大模型里却没有一个求解器在算这件事。 这恰好解释了比赛为什么允许选手写辅助脚本：选手包里的模拟器和裁判是同一份程序，试车无限次且结果确定。大模型在物理任务上能用的姿势，就是"生成设计、让确定性程序打分、再改"的循环，而不是凭空想象力学。哔哩哔哩
同一位UP主还用自建求解器随机生成了一千座桥做裁判实验：729座连受力都算不出来、直接是机构，活下来的271座里最省料的比标准桁架少用19%的料——他注明这是固定种子的原理演示，不是工程规范。哔哩哔哩
口径的边界不止一处。同期另一场8个AI造桥赛（ModelDial）直接取消了试车环节：全程盲打——不给看画面、不给操作代码环境、也不给计算器，只发河面宽度和预算，每关只有两次机会，过关拿满分、修复后过关拿一半、两次不过零分。 两场"AI造桥"，一场考开卷调试，一场考闭卷心算，分数互不可比——"比赛成绩怎么看才对"的答案之一就在这：脱离赛制和统计口径谈"AI第几名"没有意义。哔哩哔哩
对普通用户，这场热榜真正可用的信号是：在"物理给出即时反馈"的任务里，AI出方案、确定性的验证器打分、人来控预算和方向，是已经跑通的组合；排行榜、回放和裁判程序都还开着入口，任何人可以自己搭一座桥试车上传，看看能排到第几名。 顺带一提，有搬运解说按比赛结算画面复述了花销差距：第一名约19美元，第八名豆包4块多，而叫"大肥鱼"的那家只花了0.33美元——省在模型计费上还是省在桥梁造价上，这期比赛给出了很直白的对照。 最后提示时效：本文成绩与排行榜数字为2026年11月10日晚采集，玩家榜仍在快速变动，第1关榜首是采集时刚上传、仅通过1次抽查复跑的设计，名次随时可能改写；服务器会抽查复跑，复跑不过的会被下榜。投稿文档哔哩哔哩
