11月8日，一条B站视频把九个AI大模型拉去造桥，冲上了B站热搜。榜单划出一条非常整齐的分界线：第1～3关纯静态的桥，九个模型全部过关；从第4关需要造一座能缩起来让船通过的开合桥开始，前3名之外的六个模型全部栽在“动态机关”这一关，关卡分清一色0分。这一关考的题目变了：从“这个形状扛不扛得住车”变成“桥会不会在正确的时间让开”。结构、控制逻辑和车船时刻表被捆进同一份设计文件，任何一环对不上，整关直接归零。卡住的六个模型不是不会造桥，而是“结构+控制+时间”这种复合问题同时暴露了它们在受力建模、试错迭代和时间分配上的短板。哔哩哔哩
这场比的是B站UP主自办“AI算法对抗大赛”系列的第9集，全部题目、设计和成绩都开源在GitHub。2026年11月7日（洛杉矶时间），9个模型收到几乎一字不差的开赛消息，各自用绑定的编程工具在90分钟里设计桥。参赛者包括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和DeepSeek V4.1 Flash。规则是开局一次性发7关：前6关造桥让规定车辆按时完好过河，过关后比造价，越便宜分越高；第7关是攻防对抗。GitHubGitHub
关键的公平条件在于：桥是二维杆件结构，由一个确定性的物理内核模拟，选手手上的本地模拟器和裁判用的是同一份程序，可以无限次试车，但禁止联网、禁止派子代理。也就是说，所有模型拿到的信息和工具条件一样，能不能把模拟器的确定性用足，本身就是考题。GitHub
第4关“过船”：题目从“扛住车”换成“让开船”
前3关——小水沟、30米大峡谷、双向车流的早高峰——考验的全是静力结构，九家全部通过，差距只在造价。第4关“过船”则要求桥主动运动：河中间的航道在船经过的6秒里不能有任何桥体杆件，而船抵达前10秒才会鸣笛。GitHub
模型手里能用的机关只有固定的几种积木：船笛等传感器触发延时规则，液压杆伸缩收起航道段的桥面，红绿灯拦住还没放行、不能停在航道里的车。同一份JSON里，它要同时写对结构、写对状态机、还要让车流在50秒时限内跑完——杆件撞船、车落水、红灯把队堵到超时、能量爆炸，任何一种都判失败。GitHub
成绩表把断层写得很清楚：第4～6关只有前3名过关，而第5关“钱不够”只有冠军Sol一家过了。值得注意的是过法之外的细节：第4关预算25000点，六个未过关模型交上来的造价都在两万点上下、贴着预算上限，说明它们不是没做桥，而是桥“立得住但动不对”。Kimi交卷造价24935点，离超预算只差65点，成绩仍是未过0/2。GitHubGitHub
卡住的六家，卡在三个地方
第一层原因最底层：大模型输出的本来就是文字，不是力。造桥游戏里每根杆都在受力，而模型内部并没有一个求解器在替它算这件事。静态关可以靠模拟器兜底，因为“塌没塌”一秒内就得到反馈；机关关把时间、状态和受力耦合在一起，桥面收起的角度、车在停止线前的排队，都无法在纸上推理出来，只能一轮一轮试出来。哔哩哔哩
一位B站UP主为此自建了桁架受力求解器，用真算法当裁判、让电脑随机搭一千座桥，结果是七百二十九座连受力平衡都算不出来、属于一受力就散的“机构”；活下来的桥里最省料的一座比标准桁架少用19%的料。这是该UP主的本地实验数据，不是工程规范，但方向很清楚：桥塌不塌，先看形状，再看粗细，而“形状对不对”恰是纯语言模型最不直观的部分。哔哩哔哩
第二层原因是迭代方法。规则允许每个人用Python标准库写任意辅助脚本，这场比事实上的形态是“跑仿真—读每根杆的受力报告—改结构”的工程循环。前3名恰好用的都是Codex桌面版、Claude Code、Codex CLI这类重型编程智能体，后面几家走的是OpenCode、Kimi Code、dsh等入口。组织方在文档里专门提醒：工具和接入渠道不同，不能把本场结果当作模型能力排名。换句话说，机关关拉开的不是“懂不懂桥”的差距，而是“会不会带着工具跑闭环”的差距。GitHubGitHub
第三层原因是时间分配策略。7关一次性摊开、总时限90分钟，怎么分配全靠自己。结果里能看到几种典型的失手：Grok干脆没交第5、6关；Astra在第5关造价10199点，超预算199点记0分。在“过关二元、造价连续”的计分下，省造价的收益和机关关全盘归零的风险被放在同一个90分钟里，没有直接证据说明每家时间花在哪——组织方不公布各选手时间分配——但从交卷结果看，未过关模型普遍把预算顶满却过不了场景，更像是在静态精修上耗掉了本该用来调试机关的试错轮次。GitHub
前3名也没全胜，攻防局更见差距
第7关攻防把这种差距进一步放大：每人交一座决赛桥和一辆捣蛋车，两两交叉打72局，局局都要用真实物理判定。结果是：前3名的桥挡住了全部8辆来袭捣蛋车，Gemini守住7局，其余六家都被破防；而前3名之外六家自己造的捣蛋车，攻破局数全部是0。总榜上Sol以102.67分断层领先，Opus 79.02、Astra 73.48紧随，第4名Gemini只有45.31分，垫底的DeepSeek V4.1 Flash为27.93。“会造动态机关”和“能设计会搞破坏的动态车”这两项能力，同时集中在前三名身上。GitHubGitHub
这场比赛告诉普通用户什么
对关心“AI能不能干工程”的用户，这期比赛给出的分水岭很具体：真正的瓶颈不是会不会画桥、讲不讲得出台架理论，而是能不能在结构、控制和时间耦合的任务里，自主完成“试跑—读报错—返工”的闭环。用它做同类工程任务时，一个可观察的信号是：看这个模型会不会自己去跑仿真器、读受力报告，而不是看它解释原理讲得多顺。这个结论有一个同方向的旁证：另一位B站UP主给8个大模型出了6道造桥闯关题，全程盲打、不给模型任何试车环境，压轴题同样只过了3家——把试错闭环拿掉之后，能过关的名单收得更紧。哔哩哔哩
最后要掂量清楚这场比的分量：每个模型只跑了一次，单次结果有偶然性，工具、接入渠道和思考档都会影响结果。UP主自己也说，这期本来在等新模型发布没等到，内容偏向娱乐、也比较赶工。评论区还出现了“测试对便宜模型不公平”“AI八股文刷屏”的争论——把它当一次有趣的工程实验看，比当排行榜更合适。GitHub哔哩哔哩
想自己上手的话，比赛材料全部开源，网页模拟器里能载入九位选手的设计对照、也可以搭一座自己的桥试车，全部公开场景通过后就能上传冲排行榜。哔哩哔哩
