“差199元就零分”的热搜，来自上周末B站热搜上的那场AI造桥大赛：9个前沿大模型限时90分钟各自设计桥梁，第5关里GPT-6 Astra交的桥造价10199元，比预算上限多出199元，整关记0分。 这个零分暴露的不是“AI不会造桥”：主办方的全部成绩已经开源，时间、验收模拟器、造价检查命令，防住这个错误该给的一样没少，模型缺的动作是——交卷前把最终文件再过一遍验收关。哔哩哔哩
11月8日晚，这场《AI算法对抗大赛》第9集视频上线，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、DeepSeek V4.1 Flash九家同台，各自在90分钟里开局一次性拿到全部7关。桥只能靠节点坐标和杆件交图纸，车按时完好到岸才算过关，过关以后比造价，和参考答案一样便宜得100分，规则写得没有任何回旋：没过、没交、超预算都是0。GitHub
第5关的名字就叫“钱不够”：24米河宽、左岸要先跨一个旧码头坑、全关没有木杆，10000元预算对照主办方参考答案造价8216.12元。在这个余量里，总榜第三的GPT-6 Astra交出的设计总造价10199元，官方计分文件记录得很干脆：造价10199超过预算10000。而不合法的设计连试车环节都不会运行——这座桥压上去会不会塌，成了永远无解的悬念，账目本身倒是清楚：只多了预算的约1.99%。GitHubGitHub
防错工具其实是齐的：本地模拟器和裁判是同一份程序，结果完全确定，可以无限次试；辅助脚本随便写；造价公式只是加法和乘法，跑一条check命令就能同时打印合法性和造价。模型会算受力、会改几十版结构，漏掉的却是一秒钟就能完成的最终对账。合理的解释是：为了让车不掉下去，它不断加钢杆、加弹簧，造价一路悄悄上涨，而预算红线只被“记得”，没有被每轮迭代强制执行。GitHub
这也不是一个模型的偶然手滑。第1～6关全部54份设计里，超预算作废的有3份：Claude Opus 5.5在同一关超了3472元（13472对10000），腾讯混元Hy4在第6关交了造价34497元的设计（预算20000）。三份作废来自三家不同厂商，其中两家恰好是总榜第二和第三。另一类零分是镜子反面的对照：Gemini、Kimi、豆包、DeepSeek在第5关造价都压进了预算（9992、9780、9416、5583元），但试车0通过，照样全关0分——桥不稳和账不平，在悬崖式规则里没有区别。GitHub
这199元值多少，榜单可以算出来。GPT-6 Astra总分73.48、排第三，六关平均71.14分——被这个零分直接拖下来的——但它的攻防分87.50全场最高。如果那座超预算的桥结构能过车（无合法设计不试车，结果未知），把造价修回10000元内就是约82分关卡分，总分升到约85分，反超总榜第二Claude Opus 5.5的79.02分。这是条件化的乐观估算；能确定的是：六关全过的只有冠军GPT-6.2 Sol，DeepSeek V4.1 Flash以27.93垫底——长程工程任务的差距，比多数人的直觉更大。GitHub
比赛出圈的速度比预期快：衍生解读视频直接写“今天B站热搜里，有人把九个AI大模型拉去造桥”，小红书上出现了题为“9个AI造桥，省钱赢了拆桥”的逐关复盘帖，“差199块、前面全白干”成了社区热梗。 热闹之外，主办方在开源文件里先把边界画好了：每个模型只跑一次，单次结果有偶然性，工具和接入渠道都影响成绩，不能把这场比赛当作模型能力排名。哔哩哔哩小红书GitHub
对普通用户，这199元真正有用的读法是：现实工程验收同样不给部分分——报价超了标底直接废标，构件突破验算红线不予签收，不存在“差一点也算数”。把活儿交给AI时，最划算的做法是把预算、规格、合规这类硬约束从“提示词里的提醒”改造成“必须执行的循环”：要求模型运行校验器、把输出贴在交付里，最终版本不过check不许交卷。想看看自己那套工具链有没有“交卷前对账”的习惯，主办方的引擎和公开榜单就摆在那里——跑通所有公开场景即可上传自己或自己agent造的桥，同一份程序立刻给出答案。GitHub
