AI评测内卷到连“自己上手测”这步都省了——11月8日晚，B站UP主“喵了个猫了个咪了个猫”的《AI算法对抗大赛·造桥》第9集上线，9个大模型同场造桥，比赛结束第二天，全部比赛材料原样传上了GitHub。 视频上线约24小时播放量突破66万，而比榜单更值得关注的是：题目、物理裁判、九个模型的参赛原稿、评分脚本连同每个文件的SHA-256清单一起开源了，普通人不用花一分钱API费就能重算整张成绩单，也能上传自己造的桥、扔原题给自己家的模型去参赛。 截至发稿，第1关排行榜已有58位玩家提交127份设计，最便宜的一座造价2339，低于闯关冠军交卷的3562。哔哩哔哩GitHub比赛官网
这场比赛到底比什么
比赛在11月7日（洛杉矶时间）进行，每位选手拿到完全相同的选手包，九人只有工作目录名不同。 赛制直白：9个模型各自在90分钟里设计桥梁，开局一次性领取全部7关，第1~6关让规定的车辆按时完好过河、过关后比造价，第7关每人再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。GitHubGitHub
关卡分只由造价决定：过关才有分，等于100×参考造价÷你的造价，和参考答案一样便宜得100，更便宜可以超100，没过、没交、超预算都是0。GitHub
桥本身是一份二维杆件JSON设计——节点坐标加路面、木杆、钢杆、钢索、弹簧、液压杆，成败由确定性的XPBD物理内核判定，选手手上的本地模拟器和裁判用的是同一份程序，全部场景公开，没有隐藏关卡。GitHub
榜单上，GPT-6.2 Sol以102.67分夺冠，Claude Opus 5.5得79.02分、GPT-6 Astra得73.48分，DeepSeek V4.1 Flash以27.93分垫底。 差距主要拉开在后半程：第4~6关只有前三名过了关，第5关（1万预算、禁用木杆）全场只有Sol一人通过；72局攻防共18局被攻破，Sol的桥挡住了全部8辆捣蛋车。GitHub
不花一分钱的第一测：用CPU重算整张榜单
普通用户拿到仓库后最直接的玩法，是跑一遍 `python tournament/score.py`：用本地编译的物理内核重算第1~6关54份选手设计、6份参考答案和第7关全部72局攻防，逐项和成绩单核对，最后打印“核对通过”，8核机器上耗时几秒到一分钟，不需要显卡，也不需要任何模型API。GitHub
物理内核的C++源码也在仓库里，用w64devkit的GCC 16.2.0按原编译参数构建，得到的执行程序与比赛时用的逐字节相同；所有收录文件的SHA-256列在source_manifest.json里，选手包和九位模型的提交稿逐字节原样归档。换句话说，视频里那张总榜，任何人clone下来就能亲手复算，不需要信任UP主。
不想敲命令的读者也有入口：9份回放HTML双击即可离线播放，浏览器打开第9集模拟器可以载入九位选手和参考答案的设计逐车试跑，看72局攻防任意一局的细节，也能干脆自己搭一座桥试试。 本地跑通全部公开场景只要求Python 3.9+和g++，无第三方依赖。比赛官网GitHub
第二测：把桥传上排行榜，或让自家模型替你去打
网站第1~6关挂着按造价从低到高排的排行榜，在模拟器里搭桥或导入设计JSON、试车全部公开场景通过后就能上传。 仓库里还专门写了给coding agent的投稿提示词，整段复制给Claude Code、Codex、Cursor之类的agent，它就能一步步替你编译引擎、查规则、迭代设计、调网站接口完成投稿——连“怎么参赛”都替人铺好了。GitHubGitHub
社区的速度相当快：开源当晚到发稿，第3关排行榜已积累50份设计、16位提交者，榜首造价5176.96，低于GPT-6.2 Sol当年参赛的7715。 当然，这是无时间限制的场外榜，和90分钟限时赛的官方成绩口径不同。榜的可信度维持得颇有野生感：服务器只按比赛原版程序重算造价和合法性、不跑物理，过没过靠投稿者本地跑通，访客浏览器会抽查复跑榜单前几名，复跑不过的会被下榜，上传还限每小时12次、每天40次。比赛官网GitHub
如果想复现“模型参赛”本身，仓库里的prompt.md就是当年九个选手收到的开赛消息（工作目录名换成了占位符），接上自己的模型和工具，理论上能再办一场同款比赛。这条路已经有人走通：有B站用户基于第3集开源材料，让7个国产AI各写一支夺旗队做个人补充测试，也有博主拉了27B小模型下场。 整个系列前8集（圈地、炸弹人、夺旗、外交、屎山代码优化、坦克大战、足球）材料同样全部开源，其中夺旗一期打了32010局。哔哩哔哩GitHub
造桥也不是孤例：9月底就有节目让5个大模型设计桥梁后3D打印出来做承重实测。 11月9日晚ModelDial公益站又跟进了8个模型“纯脑算”的造桥挑战：全程盲打，不给看画面、不给操作代码环境、也不给计算器，只发河面宽度和预算。小红书哔哩哔哩
为什么火的偏偏是造桥
这一波“AI做题”内容能开源到人人可复测，根子在题型：桥梁的成败不需要人来评判。同一条提示词、同一份裁判程序、确定性物理，造完必出“过没过、花了多少钱”两个硬数字，LLM当裁判的争议和主观打分的不信任在这道题上都不存在；而复现门槛被压到git clone加一次编译，普通电脑几秒跑完全场，“围观榜”和“自己测”之间没有断层。
主办方对结果的表述同样克制：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成绩，仓库声明这是“一次具体比赛的记录”，不据此预设模型强弱。GitHub
对只想看热闹的读者，离线回放和网页模拟器五分钟就能看懂这场赛；对想核验的读者，两条命令可以复算整张总榜；对手里有API key的读者，原样提示词就躺在那里，可以扔给自己的模型再打一场。边界也一并记好：官方成绩是单场记录而非能力排名，排行榜造价与限时赛不同口径，第7关攻防不设排行榜。下一步最值得盯的，是社区榜的造价还会被压到多低，以及下一集开什么新项目——这个系列的惯例是每期换一种玩法，打完全部开源。
