11月8日22时51分，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：九个主流大模型被拉进同一场"贪官式"造桥比赛。截至11月10日，这条近两小时长的视频播放量已突破84万、评论超过3800条，简介里直接给出了比赛场地和整个系列的开源仓库。对普通人来说，"开源"不是技术姿态，而是四件能亲手做的事：成绩可以自己重算，模型代码可以直接翻看，桥可以自己下场搭，哪些结论不能信，主办方自己提前画了线。这四件事就是这期比赛的全部门道。哔哩哔哩
先弄懂比的是什么：会造，还要造得抠、造得稳
赛制是掐着秒表的公平实验：九位选手各有一个独立工作目录，选手包逐文件核对哈希，九个模型收到的开赛消息一字不差，只有工作目录名不同。总时长90分钟，7道关卡开局一次性发出，时间怎么分配全由模型自己决定。GitHub
规则一句话能讲完：前6关是闯关，造一座桥让规定的车辆按时、完好地开到对岸，过关以后比造价；第7关是攻防，每人交一座决赛桥和一辆"捣蛋车"，所有人的桥和别人的车两两对打。闯关分数按主办方参考答案的造价折算，造得越省分越高——这就是"贪官造桥"的由来：省下的工程款全归自己；而第7关的捣蛋车，专治为了省钱抠出来的豆腐渣。GitHub
出场阵容是GPT-6.2 Sol、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argon、Grok 4.7、Kimi K3.1 Pro、腾讯混元Hy4、豆包Seed Evolving、DeepSeek V4.1 Flash，九个模型在同一台电脑上用各自的编程工具完赛，档位配置目标是各工具的最高可用档，而不同工具的同名档位不能直接等同。这句主办方自己的提醒，正是最后一条门道的伏笔。GitHub
门道一：榜单哪里拉开差距，模型的工程能力就缺在哪里
总分第一名是GPT-6.2 Sol的102.67分，Claude Opus 5.5与GPT-6 Astra以79.02、73.48分列二三位。超过100分不是虚高：评分公式里参考答案才是100，它多关的造价比主办方预置的答案还低——第2关30米大峡谷，参考答案花10616，它只花7702。GitHub
真正的分水岭在第4关之后。带活动结构的"过船"、没有木杆且预算卡死1万的"钱不够"、36米宽的"地狱关"，只有前三名过得去，其余六个模型全部吃零；最苛刻的第5关，连Opus和Astra都因超预算拿0，只有Sol过线。通俗地说：15米小水沟人人画得有模有样，一旦涉及机关结构和硬预算，梯队立刻现形——这和在聊天框里"问答差距不大"的日常观感，是两个世界。GitHub
攻防关讲的是另一半故事：前三名交出的桥全部8战8守，其余六座桥都被攻破过，Gemini也只守住7场；防守最凶的"矛"反而是Astra的捣蛋车，攻破6座别人的桥。值得注意的是，72局里18局被攻破，都没有出现物理异常判定——桥塌是因为结构真的算漏了，不是引擎随机惩罚谁。闯关分奖励抠门、攻防分惩罚抠过头，两条规则合起来才是这期题目的完整考点。GitHub
门道二：开源仓库把"看热闹"变成"可查证"
这个仓库建于10月初、采用MIT许可，第9集比赛材料随视频发布持续更新到11月9日。里面收录的不是截图和成绩单，而是题目、裁判、每个模型交上来的原样代码和逐局结果，连回放都可以逐局打开看。更硬核的是可复现性：仓库为每个文件登记SHA-256哈希，开源的物理引擎由源码编译，与比赛时使用的可执行文件逐字节相同。任何人拉下仓库跑一条`python tournament/score.py`，就能把第1至6关的54份设计加第7关72局全部重算，和公布成绩逐项核对后打印"核对通过"，8核机器上只要几秒到一分钟。GitHubGitHubGitHub
UP主在置顶评论里也没有把话说满，承认这期"偏向娱乐，也比较赶工"。主办方有没有改分、计分公式有没有漏洞、模型到底交了什么，都不再需要信任何人的一面之词。哔哩哔哩
门道三：普通人可以直接上场比赛
比赛官网的第9集页面把规则、成绩表、选手源码和精选回放全部公开，浏览器里就能人机对战、看bot对打，还能载入九个选手和参考答案的设计，看每一座桥是怎么在重车下塌掉的。门槛也降到了最低：自己搭的桥在本地或网页跑通全部公开场景后可以直接上传，参加第1至6关按造价从低到高排的排行榜；想让编程AI替你干活，把仓库里的投稿提示词丢给Claude Code、Codex这类工具即可，网站接口都写好了。第1、2、3、6、7集还支持交自己写的对战bot进社区榜，和这些模型真刀真枪碰一碰。热搜视频给的是围观，这种开源给的是入场。赛事官网GitHub
门道四：哪些结论千万别带走
这期比赛能证明的比标题窄，划线最狠的恰恰是主办方自己：每个模型只测一次，单次结果有偶然性，工具、接入渠道、思考档都会影响成绩，各集条件全部写在文档里。关卡分也只是相对主办方参考答案的比率，超100只说明比参考方案便宜，不是理论最优。更要紧的是题材边界：这里的桥是二维侧视的杆件结构，由一个确定性的XPBD物理内核模拟受力和破坏，考的是模型限时写程序、验证、权衡成本的能力，和真实桥梁工程的规范、荷载、材料没有关系——评论区"AI去干土木工程"的梗可以当乐子，读成"大模型能造真桥"就是误读。GitHubGitHubGitHub
放回整个系列看，门道才算完整：九集比赛从圈地、炸弹人、夺旗的bot对战，到七国《外交》里模型自己谈判、结盟、背刺，再到接力优化又慢又乱的老代码，如今是限时造桥——主办方每集换一个考点，然后把题目、代码、条件和成绩记录全部开源。它给普通用户留下的实用启示其实一句话就够：下次再看到任何"AI比赛"的爆款成绩，先去找有没有这样一个仓库。有，你就能自己下判断；没有，热闹看看就好。
