九个 AI 造桥，同一套材料、同一个模拟器、90 分钟、七道关。总分从 GPT-6.2 Sol 的 102.67 到 DeepSeek V4.1 Flash 的 27.93，最高分是最低分的 3.7 倍。但把七关拆开，前 3 关九个人全部过关；第 4～6 关只有 Sol、Claude Opus 5.5、GPT-6 Astra 拿到过分，其余六人合计 0 分。GitHub
前 3 关是 15 米水沟、30 米深谷、28 米河加礁石。九个人都过了，差距只在造价。关卡分 = 100 × 参考造价 ÷ 造价，比参考答案便宜就能超过 100。 第 2 关的参考造价是 10,616.73，Sol 用 7,701.80 造完，拿 137.85 分；腾讯混元 Hy4 用了 21,656.32，只有 49.02 分。同一道峡谷，造价差了 2.8 倍，但两边都算“过关”。GitHub
第 4 关“过船”第一次刷人。24 米的河，中间 9～15 米是航道；船会在某个时刻开进来，之后 6 秒内，水面到 6 米高的航道里不能有桥，船到前 10 秒会鸣笛。 九个人只有三个通过。Sol 和 Opus 做了可动结构，用液压杆和船笛传感器控制桥面动作；Astra 没做机关，交了一座静态桥，也过了。剩下六个里，五个都装了液压杆和船笛传感器，Grok 甚至花掉 24,846，照样 0/2。知道要装液压杆，和让桥在正确的秒数打开、再在正确的秒数合上，是两件事。meowllm
第 5 关“钱不够”是全场最狠的一关。24 米的河，左岸还有一个 4 米深、10.5 米宽的旧码头坑；预算 10,000，而且这一关没有木杆。 九个人只有 Sol 过关，造价 8,620.74。Opus 交了 13,472 的桥，超预算 34.7%；Astra 更可惜，10,199，只超了 199 块，也是 0 分。另外五个都在预算内，但两个场景都没过。这一关的两种死法很清楚：预算超了，或者省下来了但车过不去。meowllm
第 6 关“地狱关”把前面的元素叠在一起：36 米河、两块礁石、航道、双向车流，还有卡车。 还是只有那三个人过关。混元交了 34,497，预算 20,000，超了 72%。meowllm
到这里，前三名在第 4～6 关一共拿了 610.43 分，后六名是 0。差距不是“谁多赚了几分”，是“有分”和“没分”。
第 7 关换了一种考法：每人交一座静态决赛桥和一辆捣蛋车，九座桥各对另外八辆车，共 72 局。 前三名的桥都是 8/8 守住；其余六人的桥，最少的也被攻破 1 次。进攻端更集中：18 次攻破里，15 次来自前三名，剩下 3 次全来自 Gemini，后五名一次都没有。Grok 的捣蛋车是一辆纯钢框加 1,960 公斤配重、没有液压杆的车，8 次都开到了对岸，一座桥也没拆掉；Astra 的车带 2,169.88 公斤配重，过 x=15 时液压杆展开，8 次里只有 3 次到岸，却攻破了 6 座桥。meowllm
计分上有个细节：按正式计分，只看标准车队有没有全部到达，捣蛋车自己有没有到岸不影响结果。72 局里有 12 局是“捣蛋车没到、车队也没全到”，都记攻破。 所以第 7 关的“最强攻击”更像一种同归于尽的能力：Astra 的 6 次攻破里，有 5 次自己没到对岸。GitHub
把七关连起来，前 3 关考“能不能把桥造出来”，大家都会；第 4 关考“约束是动态的，桥要会变形，或者会绕开”；第 5 关考“硬预算下怎么取舍”；第 6 关把这三件事叠起来；第 7 关考“破坏”。九个模型都会造桥，差距出现在约束变复杂之后，还能不能在 90 分钟里重新试、重新算，并且算对。
还有一个前提得说清楚：九个选手用的工具不同，有 Codex、Claude Code、OpenCode、Grok Build 等，接入渠道和思考档也不一样。主办方自己在仓库里写了，“不能把本场结果当作模型能力排名”。 这是一次具体比赛的记录，不是一张通用的模型榜。但如果只问“差距出在哪几关”，数据回答得很干脆：第 4 关开始，第 5 关最狠，第 7 关换了一种考法。GitHub
