11月8日晚，B站UP主"喵了个猫了个咪了个猫"发布了《AI算法对抗大赛》第9集，把九个主流大模型请进了一场"贪官造桥"游戏。参赛名单包括 GPT-6.2 Sol、Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon、Grok 4.7，以及 Kimi K3.1 Pro、腾讯混元 Hy4、豆包 Seed Evolving、DeepSeek V4.1 Flash，截至11月11日播放量已超过148万。哔哩哔哩
标题问的问题先给答案：在这场比赛里，“省料"省出来的高分桥确实能用——桥最便宜的模型恰恰也最扛撞，冠军 GPT-6.2 Sol 的造价比主办方参考答案便宜约27%，攻防环节却挡住了全部8辆对手的"捣蛋车”。但游戏对"能用"的定义是"指定车辆在指定场景按时完好过河"，这和现实中一座桥要满足的工程条件之间，还差着一段距离。
贪官规则到底奖励了什么
规则里的计分方式很直白：关卡分 = 100 × 参考造价 ÷ 你的造价，和主办方参考答案一样便宜得100分，更便宜就超过100分，没过、没交、超预算都是0分。也就是说，100分不是上限，参考答案只是标尺，省下的每一分钱都直接折算成成绩。此前就有作者把这套玩法写成更朴素的版本：一千块预算，车能过桥，余款全归你。GitHub哔哩哔哩
过关线也留了口子：只要本关全部场景里每辆车都按时完好到达，车过去以后桥塌了也算过。桥是二维侧视的杆件结构，杆件超过受拉、受压上限会断，长杆的受压能力还要按屈曲系数除以长度的平方往下掉。主办方给选手的本地模拟器和裁判用的是同一份确定性程序，可以无限次试跑、没有隐藏场景——所以这不是让模型"空想"桥梁，而是比谁更会用模拟器迭代、更会在规则内把造价压干净。GitHub
模型真的抠到什么程度
从逐关成绩看，模型是真省，也真有人省到翻车。第2关"大峡谷"要扛超载面包车，参考答案造价10617，GPT-6.2 Sol 只花7702就过关，拿到137.85分；后三关（过船、钱不够、地狱关）九家中只有前三名过了关，第5关"钱不够"预算10000，Claude Opus 5.5 和 GPT-6 Astra 反而因为造价13472、10199超预算吃了0分，只剩 Sol 一座设计过了河。总分榜上，Sol 以102.67居首，Opus 5.5（79.02）、Astra（73.48）分列二三，Kimi、混元、豆包、DeepSeek 四款国产模型排在6至9名。差距主要出在后半程：便宜不难，难的是在苛刻预算和复杂约束下既便宜又不断。GitHub
72局攻防，就是冲着"能不能用"设计的
主办方清楚贪官规则的漏洞：只考"过一辆车"，最优解就是造一次性桥梁。所以第7关改成攻防——每人交一座静态决赛桥加一辆捣蛋车，造价不超过6000、质量不超过2500公斤，比标准车提前0.5秒出发，之后4辆轿车、面包车交替过桥，标准车队全部按时完好到达才算桥方守住。GitHub
72局对打的结果是这期最有说服力的部分：被攻破的18局里，桥全部属于第4名及以后的模型——Sol、Opus、Astra 挡住了各自面对的8辆捣蛋车，Grok、豆包、DeepSeek 的桥则都被攻破了4局。在这场比赛里，省料的桥和扛撞的桥站在一边；塌掉的，是省得过多或者形状搭错的方案。这也符合力学常识：B站用户"千云sm"赛后自建桁架受力求解器随机生成了一千座桥，729座连受力都算不出来、直接是机构，活下来的271座里最省料的一座仍比标准桁架少用19%的材料——塌不塌，先看形状，再看粗细。GitHub哔哩哔哩
从"过了关"到"能用"，差的是安全度
但游戏内的"能用"不能直接搬到现实。这套引擎只有固定场景里的单一车队，杆件超限才断，没有疲劳、风载、地震、温度变化、腐蚀，也没有多车耦合和施工容差；而"车过去以后桥塌了也算过"这条规则，恰恰是对现实最讽刺的映射——验收那一次和服役几十年是两回事，真实工程防偷工减料靠的不是"当场压一下"，而是安全富余、冗余传力路径和多种荷载工况的组合设计。另一个方向上的差距也值得注意：有测评把规则改成"不给看画面、不让试跑模拟器，只发河面宽度和预算"，八个模型纯靠文字算图纸，结果出现了有模型算了80分钟直接交白卷、前五关全胜的模型在最后一关撞桥得0分的场面。模型造桥造得好，前提是给它一台能反复试错的物理引擎；这检验的是模型用反馈优化方案的能力，不是它天生懂力学。抖音
主办方在开源材料里也反复声明边界：每个模型只跑一次，工具、接入渠道和思考档都影响成绩，不能把这场结果读成模型能力排名。目前整场比赛的设计文件、物理内核和72局成绩已全部开源，网站排行榜允许观众按造价从低到高上传自己搭的桥——省料的高分桥到底能不能用，你可以直接搭一座去试试。GitHub
