不能直接当。这场刷屏的"AI造桥赛"，测的是在物理引擎里把桥造得既稳固又省钱，而不是写代码。11月8日深夜，B站UP主"喵了个猫了个咪了个猫"发布《AI算法对抗大赛》第九集，把九个主流大模型请进一场"贪官造桥"游戏局：同一笔预算造桥，省下的工程款可以"贪"进自己口袋。选手们以拟人化角色出镜，这段约110分钟的视频三天内播放量突破136万、评论区超过7000条。 刷屏话题集中在全场垫底的是谁、谁靠"抠门"赢了，但这份排名翻译成代码能力，中间缺了关键环节。哔哩哔哩
这场比赛几乎不涉及代码，裁判是物理引擎
视频爆了不到24小时，UP主"程序员阿江-Relakkes"在9日晚发布了同题材的ModelDial造桥赛，还在评论区解释这是选题撞车。他的赛制更极端：全程盲打——不给看画面、不给操作代码的环境、也不给计算器，只发河面宽度和预算这些条件，让模型纯靠脑子去算，然后交设计图纸。 他的八位参赛选手用厂商代号或匿名身份出镜，其中千问的代号是"匿名鸭子模型Qoduck"。喵这边也没有回避本期定位：这周本来想等oa新模型发布的结果又没发，所以这期偏向娱乐，也比较赶工。哔哩哔哩哔哩哔哩
比赛看点全在桥和钱上：阿江这场里，Grok在第五关算满80分钟交白卷，千问成了唯一通过"车队压境"关卡的国产模型，Claude第四关的预算控制被他称为教科书级，压轴关却因为钢架架太高、两扇桥在半空撞在一起拿0分。 至于桥为什么会塌，B站用户"千云sm"给出过机制层面的解释：模型吐出来的是字不是力，桥的每一根杆都在受力，模型里却没有求解器在算。他自建本地桁架受力求解跑了随机造一千座桥的实验：一千座里729座连受力都算不出来、直接是不稳定机构，活下来的桥里最省料的一座比标准桁架少用19%的料；他也注明这是固定种子的本地模拟，不构成工程规范。 塌不塌，取决于模型懂不懂结构成立；代码写得好不好，是另一道题。哔哩哔哩哔哩哔哩
排名是规则和配置的产品，换条规则就换一批名次
阿江的赛制每关两次机会、第二次过关只拿一半分，最后两关合计占全场近一半分值，他在简介里自己写明"前三名的分能不能保住要看最后两关"。把调用账单计入总排名的做法也引来评论区质疑：有用户认为额外分不该计token消耗，因为花费是属于定价问题并不是模型自身问题。 喵的评论区里配置争议更直接：有高赞用户指出这种复杂任务都是开了订阅猛蹬的，UP主对个别模型堪称特殊照顾，直言"这种测试就是图一乐"。 盲算禁代码、计不计花费、给不给第二次机会，每个设定都会重排名次——这类单期比赛的榜单，天然不是标准化排名。哔哩哔哩哔哩哔哩
同一个系列里，测编程的是另外几集
追过这个系列的用户清楚，编程内容出现在别的关卡：第6集让14个AI各写一个坦克程序、打了14400局对轰，第7集让9个冷门AI挑战擂主豆包，写程序对打加上修改存量烂代码。 换句话说，"造桥榜"连同一系列里的编程测试都没覆盖，它只是观赏门槛最低、塌桥最有节目效果的那一集，被单独截出来读成代码排名，本身就找错了对象。哔哩哔哩哔哩哔哩
这类比赛真正的价值，是你可以亲手复测
与其当榜单，这批比赛更适合当开放实验场：喵把全系列比赛的代码开源在GitHub，并架设了可上传自制桥、挑战排行榜的对战网站。 阿江则把6关的闯关回放和成绩单全部公开在ModelDial网站，站上还挂着前端、后端、推理、代码可读性等私有题库和各订阅套餐的token额度横向对比。 不信某一关的结果，自己跑一遍即可；这比转发截图和玩梗更接近评测该有的样子。哔哩哔哩哔哩哔哩
值得带走的不是名次，是行为信号：预算控制、多关卡规划、拿到失败反馈后能不能修正——Claude前五关稳、压轴翻车，Grok交白卷又手算到小数点后六位逆袭，这些细节在常规功能测试分数里读不出来。切片标题写着"DeepSeek竟然垫底！豆包第八，大肥鱼第九"，高赞热评则一句话总结"省流：sol妹妹扣赢了姐姐Astra"。 这些说法都发生在拟人化角色和社区梗的包装里，角色对应哪家模型，视频简介并未披露。代码能力排名，请回到统一配置、多任务、可复现的基准去找；造桥赛的正确用法，是看懂它测了什么——以及，想验证就下载开源环境自己跑。桥塌了可以再造，排名用错了地方，才是真塌。哔哩哔哩哔哩哔哩
