B站上这场AI造桥赛的标题，叫《当我把九个ai请来玩贪官造桥…｜AI 算法对抗大赛 第 9 集 · 造桥》。 规则不复杂：9个模型用同一套材料，在90分钟里闯7关，前6关比谁的车能按时过河、谁的桥更便宜，第7关互相拆桥。 过关以后比造价，越便宜分越高。哔哩哔哩GitHubmeowllm
如果只数过关人数，第5关“钱不够”最像分水岭：9个人只过1个。但把九个人的总分真正拉开的，是第6关“地狱关”——它一项就占了总分差异的23.0%。
总分第一是GPT-6.2 Sol，102.67分。 第二是Claude Opus 5.5 79.02，第三是GPT-6 Astra 73.48；第四名Gemini 4 Argon 45.31，之后是Grok 35.62、Kimi 32.47、混元31.45、豆包30.96、DeepSeek 27.93。前三名和后六名之间，隔着28.17分。GitHub
关卡 | 过关人数 | 最高分 | 对总分差异的贡献 |
|---|---|---|---|
1 小水沟 | 9/9 | 99.38（Opus） | 4.6% |
2 大峡谷 | 9/9 | 137.85（Sol） | 16.3% |
3 早高峰 | 9/9 | 103.27（Sol） | 10.1% |
4 过船 | 3/9 | 105.38（Sol） | 21.6% |
5 钱不够 | 1/9 | 95.31（Sol） | 11.9% |
6 地狱关 | 3/9 | 97.07（Sol） | 23.0% |
7 攻防 | 9人/72局 | 87.50（Astra） | 12.5% |
贡献占比按七项分数与总分的协方差拆解，七项合计100%。
前3关，九个人全过。这三关不淘汰人，只比谁更便宜：第2关大峡谷，Sol的137.85分是全场唯一一个超过130的。 同一关最贵的桥花了21656元，是Sol的2.8倍。但所有人都把车送过去了，差距只是造价，不是生死。三关平均下来，Sol对Opus的领先只有7.79分。meowllm
第4关“过船”是第一次真正淘汰。 24米的河，中间9到15米是航道，船会在12秒或20秒开进来，之后6秒内航道里不能有桥。只有Sol、Opus、Astra过了，正好是最后的前三名。这一关打完，Sol对Opus的平均领先从7.79分拉到14.64分，也把第三名和第四名的平均差距从7.11分拉到21.81分。六个人都交了合法设计，但两个场景一个都没过——这一关考的不是能不能搭出桥，而是能不能在船到的6秒里把航道让出来。GitHub
第5关“钱不够”看起来更狠：预算1万元，没有木杆，左岸还有一个4米深、10.5米宽的旧码头坑，9个人只过了1个。Opus花了13472元，超预算34.7%。 Astra花了10199元，只超了199元；另外五个没超预算的，两个场景都没过；Grok没交。Sol用了8620.74元，12根钢索、2根弹簧，没有液压、没有传感器，把车送了过去。前五关平均，Sol的领先从14.64分跳到30.77分；Sol和Opus最后23.65分的总差距里，13.62分来自这一关。但第5关只把Sol一个人分了出去，八个人都是0分，0和0之间没有差距。所以它对九个人总分差异的贡献只有11.9%，还不如第2关的16.3%。GitHub
真正把整张榜拉开的是第6关“地狱关”。 36米的河，两块礁石，15到21米是航道，船要过，两个方向都有车，还有卡车，预算2万元。前三名在这关拿了97.07、91.64、84.90；后六名全是0。季军Astra和第四名Gemini之间28.17分的总差距，有12.13分是这一关挖出来的；第4关挖出的是9.42分。把七项分数对总分的贡献拆开，第6关占23.0%，是七项里最高的；第4关21.6%，第2关16.3%，第5关11.9%。第4关是第一道闸门，但它只把前三名和其余人分开；第6关把这道缝拉得更开。meowllm
第6关难的不是某一个机关，而是所有东西同时来：船要按时让路，卡车要过，双向车流不能撞，预算还不能超。三个过关的人用了三套不同的造法：Sol用2根液压杆、51根木杆；Opus用1根液压杆、30根木杆加20根钢杆；Astra用3根液压杆、56根木杆。没有标准答案，只有把船、车、预算同时按住。后六名里，Kimi和豆包干脆没做机关，混元超预算到34497元，Gemini和DeepSeek做了机关但没通过，Grok则没交这一关。失败的方式各不相同，结果一样：0分。
第7关“攻防”还有个反例。Astra是九个人里最会拆桥的：守8/8，破6/8，攻防分87.5，单项第一。 但她总分还是第三，因为闯关分只有71.14，比Sol的106.24少35.10；七关平均下来，攻防多出的6.25分补不上这个坑。七关平分，偏科补不回来。GitHub
官方还注明，Sol是灰测模型，比赛条件与其他选手相同、同榜计分。 这不是一个可以外推的“AI能力排行榜”。 榜上写的是模型，实际下场的是模型加编程工具；90分钟、同一套物理引擎、公开场景，测的是在明确规则下做结构设计、成本控制和机关编排的能力。一场游戏赛能说明的是一件事：在每关都算总分的赛制里，最值钱的能力不是某一关的绝活，而是别在任何一关拿0。meowllmGitHub
第5关最狠，第6关最大。如果只能选一关回答“真正拉开差距的是哪一关”，我选第6关“地狱关”。
