在九个主流AI大模型同场竞技的造桥比赛里，“车开过了桥”和“这一关算过”不是一回事。B站UP主“喵了个猫了个咪了个猫”11月8日晚发布的《AI算法对抗大赛》第9集造桥专场，把这场规则密度极高的比赛送上了热榜，比赛档案是这样描述赛制的：9 个模型各自在 90 分钟里设计桥梁。开局一次性拿到全部 7 关：第 1～6 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捣蛋车两两对打。截至11月9日晚，这期视频播放量已超80万，而最扎眼的一幕恰恰是：桥上的赛车明明跑到了对岸，记分表上这一关却是0分。GitHub
这道判罚不依赖人工裁量，选手版规则把“过关”设成双门槛。第一门槛是场景：每个场景里所有车都按时、完好地开到对岸、没有落水，这个场景才算过。第二门槛是文件合法性：造价超过预算，整份设计直接判不合法，该关归零。GPT-6 Astra在第五关栽的就是第二道门槛，评分数据里它的记录写着 造价 10199 超过预算 10000。预算一万元只超了199元，桥照开，分照没。Claude Opus 5.5在同关交了一座更“保险”的桥，造价13472元，同样0分。GitHubGitHub
这一关的名字叫“钱不够”，官方场景设定是 24 米河加左岸旧码头坑，没有木杆。预算只有10000元，主办方自己的参考造价就到8216.12元，给“堆安全冗余”留下的空间不到两成。腾讯混元在36米河宽的地狱关把造价堆到了34497元，超预算超过七成，判罚同样没有任何例外。GitHub
0分总共四条路径，这场全部有真实命中。第一条超预算已经讲过；第二条是没交卷。到点收卷时以截止时刻的快照为准，允许约 2 秒的收卷误差；没交的关 0 分。七关开局同时发放、90分钟全自主分配，Grok 4.7在第五、六关时间崩盘，交卷目录里空空如也。GitHub
第三条路径是场景门槛：每关有2～3个场景，双向车流同桥、船过航道都在考题里，任何一个场景翻掉任何一辆车，整关记0。第 4～6 关只有 GPT-6.2 Sol、Claude Opus 5.5、GPT-6 Astra 过了关；第 5 关只有 GPT-6.2 Sol 过了。其余六个模型在这三关几乎集体阵亡，Gemini 4 Argon第4到第6关全是零分，“能开一次”与“每个场景都能开”的差距被完整暴露。GitHub
第四条路径最容易漏看：桥能“过”，也可能被判钻漏洞。穿模、速度爆炸、NaN、刚性杆件形变超过 20% 等物理异常判失败。规则把物体速度超过60米/秒、杆件长度偏离建造长度超过两成这类现象统一定义为数值漏洞，车就算“飞”过了河，只要模拟器出现异常，场景照样判失败。GitHub
车辆的失败清单比直觉细得多。翻车/车身触地：车身点碰到路面或地面，或车翻过来（两个车身点的中点低于两个轮子的中点；在空中翻过来也算）。落地垂直速度超过12米/秒——大约相当于从7.3米高处自由落下——算“摔坏”；船经过航道期间，任何一根没断的杆件与航道矩形相交就算“撞船”。反过来，判罚只看车、不看桥体死活：最后一辆车过去之后桥塌了，照样算过。GitHub
手段层面同样“只看结果、手段不限”。普通的桥、拱、悬索、可开合的桥、把车弹射过去、搭跳台让车飞过去……都合法。所以一座把车抛射过河的“邪道桥”不因姿态被扣分——到达的定义是所有车轮和车身点的x越过终点线，在空中越过也算；真正杀死分数的是空中翻转、落地重击和超预算这些藏在细节里的红线。GitHub
比过桥更冷的一层是计分公式。过关才有分，= round(100 × 参考造价 ÷ 你的造价, 2)。和参考答案一样便宜得 100，更便宜就超过 100；没过、没交、超预算都是 0。视频标题里“贪官造桥”的梗就在这里：预算给你，省下的工程款按公式变成得分，省得越多分越高。GPT-6.2 Sol第二关造价7702元，比主办方10616元的参考答案便宜近三成，评分数据里记为“score”: 137.85。主办方说得很直白：参考答案不是理论最优，超过100只说明比参考答案便宜。GitHubGitHub
最后一关的攻防另有规则。一方文件不合法（检查不过、超限）：该方所有对局判负；双方都不合法时双方都不得分。捣蛋车必须0.5秒先出发、最迟第12秒完好到达对岸，否则这次攻击不算数，按“没有捣蛋车”重跑；九座桥与别人的捣蛋车两两交手，72 局里 18 局攻破，都没有出现物理异常。GPT-6 Astra的捣蛋车攻破6座对手桥，拿到全场最高的攻防分87.5。GitHubGitHub
判罚严到这份上还能服众，靠的是底层架构。引擎确定性：同一份设计在任何时候、任何目录跑出的结果都相同，比赛中的本地测试结果就是正式结果。正式评分用的就是发给选手的公开场景，没有隐藏题；九位选手收到的开赛消息一字不差：这是一场真正困难的工程比赛。赛中不准联网、不许派子代理、不许改动引擎文件——每个人交上来什么，判的就是什么。GitHubGitHub
不过主办方自己给结果划了边界。每个模型只跑一次，单次结果有偶然性。工具、接入渠道和思考档都会影响结果。最终成绩表上，GPT-6.2 Sol拿下第一，评分数据里他的记录是“总分”: 102.67。七关平均过百的同时，他也是唯一六关全过的模型；Opus 5.5与Astra分列第二、第三，最大失分点正是那道超预算的第五关。把这场单项比赛读成模型能力总榜，恰恰是规则文件明确警告过的用法。GitHubGitHub
比赛没有停在“看热闹”。官方把网页版模拟器和全部素材开放给了用户：可以载入九位选手和参考答案的设计、自己搭桥试车、看第 7 关任意一局。UP主在置顶评论里补了一句邀请：还有排行榜，可以上传自己做的桥哦！任何人都能用同一份裁判程序复核判罚，也能造出自己的桥去和九个AI比造价。GitHub哔哩哔哩
同题仿办内容也在跟进：UP主“程序员阿江-Relakkes”给8个主流大模型出了一套盲答造桥题，UP主“千云sm”则搭了个本地桁架受力求解器去回答“AI造的桥为啥一压就塌”。他的自测数据是，结果：一千座里七百二十九座连受力都算不出来，直接是机构；活下来的二百七十一座里，最省料的一座比标准桁架少用百分之十九的料。这是他个人的实验口径而非赛事判罚依据，但恰好点破了这场比赛的底层看点：大模型交上来的是文字坐标，裁判换算成的是受力结果——“能过却拿0分”的争议感，正来自这两种语言之间的距离。哔哩哔哩
