与其说“国产模型排后六”，不如说两场造桥赛里，国产模型都没进前三。八模型那场，GPT-6 Astra、Gemini 4 Argon、Claude Opus 5.5 排前三；千问第四、Kimi 第五、Grok 第六、DeepSeek 第七、混元第八。九模型、90 分钟那场，国产四家更直接落在第六到第九。
八模型赛每关有两次机会，第一次过拿满分，第二次过只拿一半。 Astra 和 Gemini 六关都是第一稿就过；国产阵营里，千问 3/6，Kimi 2/6，混元 1/6，DeepSeek 0/6。哔哩哔哩
九模型赛的前三关，九家全过。真正拉开的是第 4 到 6 关，只有 Sol、Opus、Astra 过关，国产四家全卡住；第 5 关甚至只有 Sol 一家过。 Gemini 和 Grok 也没过去。GitHub
不是预算问题。第 4 关预算 25000，Kimi 24935、混元 23142、豆包 22055、DeepSeek 20839，全在预算内，却都是 0/2 场景通过；第 5 关预算 10000，四家也都低于预算，还是 0/2。第 4 关要过船，第 5 关没木杆，第 6 关把航道、礁石和双向重车叠在一起；钱够，不等于约束能同时满足。
八模型赛的压轴关“三层换道转运”，要把三辆车依次送到不同高度的出口，最后桥还要复位。国产四家全挂：千问卡在桥端与码头对位，Kimi、DeepSeek、混元卡在通航净空；只有 Astra、Gemini 第一遍过，Grok 第二遍过，Opus 也没过。九模型赛第 6 关，Kimi 和豆包的设计里没有一根液压杆；DeepSeek 和混元装了，仍然 0/3 场景通过。
最能说明问题的是第 7 关。国产四辆车各打 8 局，一次都没攻破；前三名的车分别攻破 5、4、6 座。 国产车基本是加配重的刚性车；Sol 是一辆 3 节点、两根液压杆、配重两千多公斤的小车，Opus 用 30 条规则让液压反复伸缩，Astra 也带液压和两千多公斤配重。守桥，国产模型的桥能守住 4 到 6 局；主动拆桥，一辆都没成。它们不是不会承重，是没把“攻击”也当成一个要设计的机构。GitHub
所以差距不在“会不会造桥”。给一次反馈，国产模型大多能改对；没有反馈时，顶级模型更像在交稿前就把约束跑过一遍。九模型赛的模拟器和裁判用同一份程序，公开场景，可以无限次试。 在八模型赛的统计里，DeepSeek 用了约 11.2 万 token，Astra 约 1.7 万，结果却反着来。差距至少不是靠堆 token 就能补上的，真正的门槛，是肯不肯把“看起来能过”改成“每个场景都过”。GitHub
当然，这只是一次比赛：九模型赛的工具、接入渠道、思考档都不同；八模型赛也只跑了一轮，样本很小。两场都不能当成通用模型排名。 但在这类开放工程题里，“第一次就做对”确实比分会说话。GitHub
