九个AI，九十分钟，七道造桥关。榜单一出来，国产模型排在第六到第九：Kimi 32.47分，混元31.45分，豆包30.96分，DeepSeek 27.93分；前五名全是国外模型。 这不是一张好看的榜，但它也不是一张能直接读出“智商”的榜。GitHub
但把成绩单往下翻，会看到另一件事：第四到第六这三关，只有Sol、Opus、Astra拿到过分数；第五关只有Sol一个人过关。Gemini和Grok同样一分没拿。 真正被后三关拦住的是六个模型，国产四个恰好都在其中。把“后三关全灭”直接读成“国产模型脑子不行”，漏掉了这堵墙的宽度。GitHub
国产模型和前三名的差距，其实在前面三关就露出来了：它们大多能让车开过去，但桥造贵了。第一关参考造价3509.84，Kimi花了6065.40，得分57.87；第二关参考造价10616.73，Kimi花了18337.64；第三关参考造价7967.26，Kimi花了9921.72。豆包、DeepSeek也差不多，桥能通，报价却总比参考价高出一截。 反观Sol，第二关只花7701.80，得分137.85。规则写得很清楚：关卡分=100×参考造价÷你的造价，过关只是入场券，省下来的钱才是分数。到了后三关，差距不再只是贵一点，而是直接变成0分。GitHub
后面三关为什么难？第四关要过船，桥不能把航道堵死；第五关没有木杆，预算只有一万；第六关三十六米河面、两块礁石、航道、双向卡车。Kimi交上来的设计都合法，甚至没超预算：第四关24935，第五关9780，第六关11741，全在预算内，却分别0/2、0/2、0/3，连一个场景都没过。 这不像“不会造桥”，更像“桥造出来了，但最后那一下没合上”。GitHub
这大概就是“最后一厘米”的问题。语言模型很会生成“看起来像桥”的结构：桁架、拱、斜拉索，套路都熟。但桥不是图片，每一根杆都在受力，长杆会屈曲，机构会散架。B站一位UP主自己写了桁架求解器，随机搭一千座桥，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。 视频里有一句话很准确：模型吐出来的是字，不是力。哔哩哔哩
这也解释了另一个UP主办的盲打赛里的戏剧性场面：不给画面、不给代码环境、不给计算器，只给河宽和预算。有模型在第五关整整80分钟没算出来，直接交了白卷，却在最后一关手算到小数点后六位过关。 也有前五关一直特别稳的模型，压轴把桥顶钢架架得太高，两扇桥在半空撞在一起，拿了0分。稳定和灵光一现都可能被放大，单次排名很像抽样，而不像体检。哔哩哔哩
主办方自己也没把这张榜当成能力排名。赛后说明里提醒：工具和接入渠道不同，不能把本场结果当作模型能力排名。 比赛条件里还写着：每个模型只跑一次，单次结果有偶然性。 更别忘了，DeepSeek这边上的是V4.1 Flash，对面是Sol、Opus、Astra；把不同定位的模型放在一张榜上，本来就要留个心眼。GitHubGitHub
回到那个问题：真的是能力不行吗？是，但只是某一种能力——在物理约束下做工程闭环的能力。它真实存在，也确实有差距；可它不是“智商”差距，更不是一句国别判决。桥塌了可以重造，把“能力不行”当成结论，才是真的卡关。
