第 4 关「过船」，九座桥里只有三座让船和车都过去了。剩下六座没做到。第 5 关「钱不够」，只剩一座；第 6 关「地狱关」，又只有三座。
这是 B 站 UP 主「喵了个猫了个咪了个猫」办的九模型造桥赛。九家模型拿到同一套材料、同一份模拟器、90 分钟，交的是设计 JSON：节点、杆件和机关。规则写明，模拟器和裁判用的是同一份程序，结果确定、可复现，本地可以无限次试。这不是一场「谁更会写代码」的比赛。九家在前三关都交出了能跑的设计，第 1 到第 3 关全部 9/9 通过。分水岭从第 4 关才开始。meowllm
前三关是静态桥：小水沟、大峡谷、早高峰。会搭三角桁架，基本就能过。第 4 关要在船到前 10 秒收到鸣笛，提前让出航道，等船过去再合拢。第 5 关把木杆抽走，预算 1 万，常规造法不够；左岸还有个 4 米深的旧码头坑，参考答案 8,216，九家里只有一家过。第 6 关把 36 米河面、两块礁石、航道和双向车流叠在一起，又只剩三家。
四家国产模型——Kimi、混元、豆包、DeepSeek——前三关都过了，第 4、5、6 关全部挂零。最终排名正好占住第 6 到第 9。这也不是国产模型独有的问题：Gemini 4 Argon 和 Grok 4.7 同样只过了前三关。把第 6 到第 9 名读成「国产模型不会写代码」，既高估了代码的作用，也低估了这条分界线。
另一场测试更适合回答「是不是代码问题」。ModelDial 的八模型盲测，规则是全程不给看画面、不给代码环境、不给计算器，只给河宽和预算，让模型纯靠脑子算，交设计图。代码被彻底拿掉了。结果，GPT-6 Astra 和 Gemini 4 Argon 六关一次全过；Claude Opus 5.5 第 3，最后一关失手；千问第 4，Kimi 第 5，DeepSeek 第 7，混元第 8。哔哩哔哩
DeepSeek 第一关栽在 buckling（压杆失稳），第五关 tension（受拉超限），第六关 boat_clearance（通航净空）。混元两次 0 分是 schema（设计文件格式不合法），这确实是格式问题；但 DeepSeek 的 buckling、tension，千问的 dock_alignment，还有几家共同的 boat_clearance，都是桥本身的问题。
它们指向的不是「代码写不出来」，而是「结构站不住」。压杆的承载上限随长度平方下降，杆越长越容易屈曲；合拢高低差超过 4 厘米就判不过；液压晚一点，船就过不去。每个条件都不难写成一行检查，难的是设计时就预见到它们，并在几十根杆的相互影响里找到同时满足所有条件的形状。
代码是局部的：语法错了，报错会告诉你哪一行。桥是全局的：你把一根斜杆从左边挪到右边，力的路径就全变了；你把桥面加厚，自重又上去了。模型可以写一个求解器，但写出求解器不等于会用求解器找设计。ModelDial 的数据里，Astra 用约 1.7 万 token 六关全过，DeepSeek 用了约 11.2 万 token 只过三关。在这场比赛里，多花 token 没有把桥撑住。
当然，这不是严格的对照实验。九家模型套的编程外壳不同，DeepSeek 两次都是 Flash 版，不是旗舰；九模型赛的作者自己也在评论区说，这期偏向娱乐，也比较赶工。所以第 6 到第 9 名之间的几分，不必当成定论。B站
更值得看的是那条分界线：静态桁架大家都过得去，一到开合桥、带载抬升、预算不够，或者几个条件叠在一起，能过的就只剩少数。国产模型里，千问在盲测中排到第 4，Kimi 第 5，并不比 Grok 差；但在九模型赛里，四家国产模型都没摸到第 4、5、6 关的那条线。
桥塌的时候，方案其实已经交上去了。问题不在最后一行，而在第一根杆该放在哪里。
