11 月 8 日晚，B 站 UP 主把 9 个主流大模型请进了同一场比赛：给一笔预算、一座河、一份 JSON 设计文件的格式，90 分钟内交桥，让车过河。热榜上流传的画面是"车能过却拿零分"，而翻开主办方开源的完整规则可以确认：这些 0 分跟车辆力学无关，卡住它们的是预算条款——造价超过预算，设计直接判不合法，该关 0 分。哔哩哔哩GitHub
先说清这场比赛怎么算分。前 6 关是闯关，每关 2～3 个场景，过关与否只看一个结果：本关所有场景里的每辆车都按时、完好到达，桥在最后一辆车过去之后塌了也没关系。但过关只是拿到评分资格，分数完全由造价决定：关卡分 = 100 × 主办方参考答案造价 ÷ 你的造价，和参考答案一样便宜得 100 分，更便宜可以超过 100；没过、没交、超预算，统统 0 分。换句话说，这是一场"在预算内把桥做便宜"的比赛，桥的强度余量、结构漂亮程度都不折算分——能过车只是入场券。GitHubGitHub
两个最典型的 0 分都出在第 5 关"钱不够"：24 米的河，预算远远不够造一座完整的桥，左岸还有一个 4 米深、10.5 米宽的旧码头坑，车要先过坑再过河，而且这一关连最便宜的木杆都被禁用了。成绩表里，Claude Opus 5.5 在这一关造价 13472、超预算约三成，记 0（超预算 13472）；GPT-6 Astra 只超了 199、不到预算的 2%，同样记 0（超预算 10199）——预算是硬门槛，超一块钱和超三千块没有任何区别。GitHub
| GPT-6 Astra | 91.58（3832） | 95.99（11061） | 88.45（9008） | 65.94（18718） | 0（超预算 10199） | 84.90（19682） |" data-highlight-text=“0（超预算 10199）”>GitHub
而且这不是"来不及检查"能解释的失误：选手手里的本地模拟器与裁判用的是同一份程序，结果确定、可复现，造价在跑物理模拟之前就会算出来，本地可以无限次试跑。从成绩反推，更合理的解释是模型在 90 分钟时限里优先堆了结构安全余量，把预算线当成了可以商量的目标；至于模型内部怎么权衡，主办方没有披露，这只能作为可能解释。类似的零分还有：第 6 关"地狱关"预算 20000，腾讯混元交出的造价 34497，超预算七成，直接判 0。GitHubGitHub
反过来，"越省越高分"的逻辑把冠军推给了最抠门的模型：6 道闯关题里，第 5 关只有 GPT-6.2 Sol 一家过关，造价 8621、得分 95.31；他六关里有四关比主办方参考答案还便宜，第 2 关只花 7702，换算成 137.85 分。最终 Sol 以总分 102.67 夺冠；Opus 5.5 带着一个零分仍排第二（79.02），说明在这套计分体系里，个别关卡的稳健远比一次超支值钱。GitHub
第 7 关又是另一套玩法：前六关"造得稳"的桥在这里要挨打——决赛桥只能是静态桥，每人还要用同一套材料搭一辆造价不超过 6000 的"捣蛋车"，0.5 秒抢先出发，之后标准车队上桥，9 座桥与其他 8 人的捣蛋车两两对打，共 72 局。72 局里 18 局被攻破，没有出现物理异常；Sol、Opus、Astra 的决赛桥挡住了全部来袭的捣蛋车，多数其他模型的桥则栽在这一步。GitHub
最后划一条边界：这场 9 模型造桥赛的结果不是模型能力排行榜，主办方在说明里写明工具和接入渠道不同，不能据此给模型强弱下结论。但规则的教训是现成的：给 AI 布置真实工程时，"性能达标"从来不是终点，读懂约束条款才是——在这场比赛的裁判眼里，造价超 199 元和超 3472 元，是同一个数字：0。GitHub算法对抗赛官网
