9个AI造桥大赛拉开75分差距，拉分的真不是写代码

11月8日晚，B站UP主“喵了个猫了个咪了个猫”把“AI算法对抗大赛”做到了第9集：9个主流大模型同台造桥。此前多集（夺旗、坦克大战、足球）靠模型写bot互打定胜负，这期不写bot，9个模型在90分钟里为一次性发下的7道关卡设计桥梁。 最终GPT-6.2 Sol以102.67分拿下第一，DeepSeek V4.1 Flash以27.93分垫底，头尾相差74.7分，正是“75分差距”的出处。这期视频截至11月10日播放量已超过80万。GitHub哔哩哔哩

这场比赛最特别的地方在规则本身：模型的正式交付物是一份JSON设计文件（节点坐标加杆件清单），评判它的却是同一份确定性物理引擎：选手手里的本地模拟器和裁判用的是同一份程序，本地试车结果就是正式结果。 也就是说，代码写得好不好根本不进入计分，写辅助脚本帮自己试车是允许的，但分数只由最终那份桥的设计兑现：能不能承重、预算守不守得住、机构会不会失灵。GitHub

计分规则：过关还得更便宜，超预算直接归零

前6关要求规定车辆按时完好过河，过关后关卡分=100×主办方参考造价÷你的造价，和参考答案一样便宜得100分，更便宜可以超过100分。 第7关是攻防：每人交一座静态决赛桥和一辆“捣蛋车”，9座桥和别人的捣蛋车两两对打72局，标准车队全部安全到达算守住，否则记给捣蛋车一方。GitHub

七关怎么汇总？总分=六关关卡分之和加上第7关攻防分，再除以7，七关同等重要。 任何一关的翻车都会直接摊薄最终成绩，动态机构关的0分尤其致命。GitHub

75分是怎么拉开的：三道动态关卡团灭六家

成绩表是可复算的，主办方给出了逐项核对脚本。 总榜如下：GitHub

分差的分水岭很清楚：第1～3关（15米水沟、30米深谷、早高峰双向车流）9家全部过关，而第4～6关只有Sol、Opus、Astra过关，第5关更是只有Sol一家通过。 第5关“钱不够”把预算砍到10000元还禁用最便宜的木杆，Opus造价超预算3472元、Astra只超了199元，按规则一律拿0分，没有同情分；Sol以8621元过关拿走95.31分。静态的桥谁都会搭，一旦加入可动机构、预算红线和复合地形，榜单立刻断档。Sol对第2名的领先扩大到23.65分，关键在第2关造出7702元的桥——比主办方10616.73元的参考答案还便宜近三成，单关拿到137.85分。GitHub

攻防关暴露另一种能力：会省钱不等于会拆桥

72局攻防一共出现18次攻破，且没有出现物理异常判罚。 有个反直觉的细节：闯关亚军Opus和季军Astra的决赛桥都8/8全守住没被攻破，攻防分最高的却是Astra（87.50分）——它的捣蛋车攻破了6座别人的桥，比Sol（5/8）更能拆桥；而第5名到第9名的Grok、Kimi、混元、豆包、DeepSeek，捣蛋车攻破数全是0/8。“造桥”和“找桥的破绽”被规则拆成了两种能力，这就是总分与攻防单项名次不完全重合的原因。GitHub

国模集体卡在哪儿：热评说“差的不是写代码”

4个国产模型排在第6到第9位，共同特征是动态关卡0分，过关关卡的造价也普遍偏高：第1关DeepSeek造价5238元，比参考答案贵了近一半，只拿67.01分。一条获得255赞的观众热评认为，这批模型与头部“差距最大的不是写代码的基本功，而是思考问题的深度”。 上一期足球赛里DeepSeek设计的球员就不考虑反弹和力度，这期造桥再度出现类似画面。当然，这只是社区观感而非主办方结论。哔哩哔哩

主办方的声明也在给结果降温：设计文件由模型生成，但题目、物理引擎、关卡、参考答案和赛事规则都由主办方提供，这是一次具体比赛的记录。参考答案也不是理论最优，超过100分只说明比它便宜；每个模型只跑一次，工具、接入渠道和思考档都会影响结果。 也不能据此给模型排总榜。GitHubGitHub

为什么评测突然都开始“造桥”

几乎同一周，另一支评测团队ModelDial把GPT、Gemini、Claude、Grok、千问、Kimi、DeepSeek、混元这8个主流模型拉去打了6关造桥赛，规则更极端：不给看画面、不给操作代码的环境和计算器，只发河面宽度和预算，每关两次机会，让它们纯靠脑子算图纸。抖音

翻车点同样出现在压轴关：有模型前五关一路稳扎稳打，最后却因为桥顶钢架架得太高，两扇桥在半空交汇时撞在一起拿了0分。哔哩哔哩

两场同期比赛的共同信号是：当代码类benchmark逐渐被刷饱和，“物理规则+工程约束”的设计型任务正在成为区分模型真实推理能力的新标尺。杆件受力怎么传、长杆为什么会屈曲、预算红线怎么守，这些都不体现在“代码写得对不对”上，却直接决定成绩。对普通用户，这场造桥大赛还留了参与入口：官网开放了模拟器和排行榜，按造价从低到高给所有投稿排座次。 主办方连给coding agent代劳的投稿提示词都准备好了。GitHub

接下来值得盯住的节点：第10集是否延续“不写bot”的出题思路、动态关卡过关率会不会被更多评测沿用为指标，以及各家尚未正式发布的新一代模型（评论区都在等的GPT-6.2 Astra与Claude Fable 5.5）下场后，这份75分差距的榜单会不会被重写。