分水岭是第 4 关"过船"。前三关九个大模型全部过关，拉开的只是造价差距；从第 4 关开始，过关数直接掉到 3 个，第 5 关只剩 1 个——差距从此不是"分数"，而是"能不能"。
11 月 8 日晚，B站UP主"喵了个猫了个咪了个猫"把 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 这九个模型请来比造桥：同一套材料、按米计价，七关赛制，前六关闯关，最后一关各造一座桥加一辆"捣蛋车"两两攻防。最终 GPT-6.2 Sol 以 102.67 分登顶，Claude Opus 5.5（79.02）和 GPT-6 Astra（73.48）分列二三位；从第 4 名 Gemini 4 Argon（45.31）开始的六家，在过船、钱不够、地狱关三关上全部零分。视频上线两天多播放量突破 148 万。 主办方还把规则、每个模型的设计图纸和成绩数据开源，任何一级成绩都能复跑核验。算法对抗赛官网GitHub哔哩哔哩
规则设计得很克制：每关给一段河或深谷、锚点和一笔预算，模型交一份桥的设计文件；该关全部测试场景里车辆都完好开到对岸才算过关，过关后造价越低分越高，以主办方参考答案为 100 分基准。选手拿到和裁判同一套物理引擎，本地可以无限次试跑——差距无法归因于"看不到结果"，只能来自设计本身。算法对抗赛官网GitHub
前三关：造桥已是"会做的题"，比的只是谁更省钱
第 1 关 15 米小水沟，9/9 过关：除 Kimi（57.87 分）和 DeepSeek（67.01 分）造价比参考答案贵出七成和一半左右外，其余七家都贴着 100 分。第 2 关 30 米大峡谷，依然 9/9 过关，但成本开始分化：Sol 交出的桥比主办方参考答案还便宜近三成，拿下 137.85 的全场最高分；混元、豆包、DeepSeek 造同一条谷花了约两万元，是 Sol 的 2.6 倍。第 3 关加入双向车流和河心礁石，9/9 过关，分数仍在 48 到 103 之间波动。GitHub
三关下来，结论很清楚：静力平衡、杆件选型、简单荷载组合，对当下旗舰模型加上自家编码智能体的组合已经是"解过的题"，谁都能把桥架起来，差距只体现在用料效率上，还不足以改变名次。
第 4 关"过船"：第一次考"活的桥"，过关数 9 → 3
这一关要 24 米宽的河中间留出一条航道：船进航道后 6 秒内，水面到 6 米高的区域必须完全净空——靠液压杆配传感器、红绿灯规则搭一座可开合的桥，且合上之后还要让双向车流通过。预算 25,000 元。算法对抗赛官网
结果只有 Sol（105.38 分）、Opus（70.19 分）、Astra（65.94 分）过关，过关率从前三关的 9/9 断崖跌到 3/9。值得注意的是后六家的失败方式：他们的设计全部压在预算内（造价约 1.9 万到 2.5 万元），但两次测试场景都判失败——桥能静态架住车，却在"开桥让船、合桥跑车"的动态循环里过不了关。从这一关起，题目考的东西变了：不再是算清受力，而是把传感—触发—执行的时间逻辑写成能自洽的规则，让桥在两种形态之间切换且不破坏结构。这是工程设计，不是计算题。
第 5 关"钱不够"：全场只剩一个过关者，三种死法同时暴露
预算砍到 10,000 元，木杆禁用，还要先跨过一个 4 米深的旧码头坑。主办方自己的参考答案 8,216 元，意味着解的容错空间不到两成。
Sol 以 8,620.74 元过关（95.31 分），是九家中唯一成功的。其余八家暴露出三种截然不同的失败模式：Opus 和 Astra 造出了能用的桥，但造价 13,472 和 10,199 元超预算，按规则记零分——Astra 只差 199 元。Gemini、Kimi、混元、豆包、DeepSeek 把造价压进了预算，车辆测试却过不去，属于"省过头、结构不达标"；Grok 则连第 5、6 关的卷都没交。这项比赛一轮比完、七关同时发布、总时长 90 分钟，时间怎么分配全由模型自己决定——Grok 的空卷说明拉开的不只是"桥会不会造"，还包括长任务里的工作规划。GitHubGitHub
总分公式把差距锁成了名次
总分 =（前六关关卡分之和 + 攻防分）÷ 7，每关占七分之一。这个结构决定：一旦第 4 关起过不了关，名次天花板就被砍死。算一道简单题：一个模型哪怕前三关全部拿满 100 分、攻防也拿满 100 分，只要四、五、六关全挂，总分上限只有约 57.1 分，永远追不上实际排名第 3 的 Astra（73.48）。第 3 名和第 4 名之间 28 分的断层，不是"考得更差"，而是根本没有机会——榜单从第 4 关起就已经锁定。这也解释了后六家的总分全部挤在 27 到 45 分的窄带里，彼此相差无几：大家失去的是同三关，剩下的比赛已无关胜负。算法对抗赛官网
第 7 关攻防：会造桥只是底线，会"拆桥"的只有四家
决赛要求桥只能是静态的，再交一辆不超过 2.5 吨、造价 6,000 元内的捣蛋车，12 秒内自己先过桥，之后标准车队才能上桥；九家两两对打 72 局。防守端只有 Sol、Opus、Astra 三家做到 8/8 全胜；进攻端差距更狠——五家模型的捣蛋车攻破记录是零。表现最好的反而是 Astra：攻破 6 座桥，攻防分 87.5 全场最高，却因闯关落后仍居总分第 3，说明在这套"七关同权"的规则里，"能造"永远比"能拆"值钱。Gemini 是唯一挤进攻防成绩段的非前三玩家（守 7/8、破 3/8），这也是它与后面五家的主要区别。算法对抗赛官网
这份成绩单能说明什么、不能说明什么
先说边界。这是一场社区主办的娱乐向赛事，UP 主置顶评论坦承本期"偏向娱乐、比较赶工"；九款模型跑在各自官方编码智能体里（Sol 用 Codex 桌面版、Opus 用 Claude Code、Astra 用 Codex CLI、Gemini/混元/豆包用 OpenCode 变体、DeepSeek 用 dsh），考核的是"模型 + 工具链"90 分钟交出一份可运行工程的端到端表现，而不是单次答题能力，也不对应任何官方基准。7 道自制题、单轮采样，无法外推到模型的一般能力或真实工程能力；后六家在动态机关关上的全军覆没，更可能反映训练语料对时间连续系统设计的覆盖差异，而非"物理智力"差距。
再说为什么仍值得看：比赛用的是确定性引擎，所有成绩、图纸、规则开源，网页端提供同一引擎的模拟器和玩家排行榜——这在"AI 测评"里是罕见的可复现样本；而它恰好测出了一个传统榜单测不到的维度：静态题已经拉开不了差距，约束叠加、需要闭环机构和时间规划的任务，才是当前模型真正的分水岭。另需区分：11 月 9 日另有博主"程序员阿江-Relakkes"办的 ModelDial 8 模型造桥挑战赛，规则完全不同——不给模型看画面、不给计算器，纯靠文字条件算图纸，是另一场比赛，成绩不可混用。抖音
接下来值得盯两个信号：Grok 这类"交卷策略"问题是否随智能体迭代消失，以及第 4、5 关的过关名单在新模型发布后会不会扩容——主办方留了测试席，规则、图纸和回放都在 GitHub 上，任何一家模型下次都能被公开复跑。
