11 月 8 日晚，B 站 UP 主"喵了个猫了个咪了个猫"更新了《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》，让 9 个主流大模型在同一款物理造桥游戏里同场竞技。对照视频与官方开源的全部对局数据，这个热榜问题的答案可以拆成三层：前 3 关大家都能过，差距藏在造价里；第 4 关"过船"起，"能不能过关"第一次成为分水岭；到第 5 关，9 个模型只剩 GPT-6.2 Sol 一个通关。最终 Sol 总分 102.67 登顶，Claude Opus 5.5 以 79.02 排第二，GPT-6 Astra 73.48 第三，Gemini 4 Argon 45.31，Grok、Kimi、腾讯混元、豆包、DeepSeek 五个模型的总分全挤在 27.9 到 35.6 之间。视频上线一天多，播放量已超 90 万。哔哩哔哩GitHub
所谓"贪官造桥"，规则就是让玩家当贪官：9 个模型各自在 90 分钟里设计桥梁。木杆、钢杆、钢索、弹簧、液压杆拼出能过车的桥，关卡分等于 100 乘以参考造价除以你的造价——桥只要不塌、车只要按时完好到对岸，造得越省分越高，和主办方参考答案一样便宜拿 100 分，比参考答案还省能超 100，任何一个测试场景塌了就记 0。全部 7 关开局一次性发出，第 1 到 6 关是闯关，第 7 关是攻防：每人再交一座决赛桥和一辆"捣蛋车"，去撞别人的桥、被别人撞，交叉打满 72 局。模拟用的物理引擎是确定性的，选手本地试车看到的结果就是裁判判分的结果。GitHub
前 3 关：都过关，价差已经拉开三倍
小水沟、大峡谷、双向"早高峰"这三关本质是静态桁架题，9 个模型全部把车送到了对岸，比的是谁懂结构力学里的省料。差距在这里已经很直观：第 2 关 30 米深谷、超载面包车，Sol 的桥只花 7702 元，比 10617 元的参考答案还省约 27%，拿到 137.85 分。同关腾讯混元造价 21656 元，只得 49.02 分。第 1 关连 Kimi K3.1 Pro（57.87）和 DeepSeek V4.1 Flash（67.01）都过了关，只是桥造得肥头大耳。到这儿，所有模型输的都是"省钱"，没有模型输在"会造"。GitHub
第 4 关"过船"：第一道及格线，6 个模型集体翻车
第 4 关开始，题目不再只是几何题：24 米河道中间留了航道，船经过时航道里不能有任何桥体，模型必须用压力板、光电门、延时规则和红绿灯，把自己设计的桥变成一个"会开合的机关"。Gemini、Grok、Kimi、混元、豆包、DeepSeek 在这一关全部交了设计、全部没过场景，Gemini 甚至把造价压到了预算内，桥却在测试里散架。第 4～6 关只有 GPT-6.2 Sol、Claude Opus 5.5、GPT-6 Astra 过了关，第 5 关只有 GPT-6.2 Sol 过了。而且后两位是"花钱过关"：过船一关 Opus 造价 17585 元、Astra 18718 元，分别比 12343 元的参考答案贵了约 42% 和 52%，能力在线，工程审美掉队。GitHub
第 5 关"钱不够"：9 进 1，失败的方式各不相同
第 5 关没收了木杆这个最便宜的材料，预算锁死 1 万元，参考答案造价 8216 元。只有 Sol 交了 8621 元、全部场景通过。剩下的答卷堪称失败图鉴：Opus 造价 13472 元、Astra 造价 10199 元，双双超预算判 0。DeepSeek 造价压到 5584 元、混元 5651 元，比参考答案还便宜三成，但车一上桥就塌，判"未过"；Grok 干脆没交这一关。这一关的教训很具体：这批模型普遍理解"少花钱"，但在缺少惯用材料、约束叠加时，对结构安全余量的判断迅速失真——便宜不等于能过，恰恰是"贪官"最难的部分。GitHubGitHub
第 7 关攻防：会拆桥的，只有头部四家
交叉对打的 72 局里 18 局攻破，都没有出现物理异常。攻破全部来自前四名：Astra 的捣蛋车 8 局破 6，是全场最强"拆迁办"，Sol 破 5，Opus 破 4，Gemini 破 3；第 5 名往后的 5 个模型，捣蛋车一局都没破。防守端同样分层：前三名自己的决赛桥 8 战 8 守，其余五家各丢 1 到 4 城不等。Astra 攻防分 87.5 全场最高，却因前面闯关不够省钱只排第三——攻击性策略和经济性策略在总分口径下互相拉扯，这也是名次与单项能力不同步的原因。GitHub
边界：这是具体比赛的结果，不是模型能力榜
主办方在规则文档里写得很克制：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结果。成绩说明里也明确一句：工具和接入渠道不同，不能把本场结果当作模型能力排名。Codex、Claude Code、OpenCode、Kimi Code、dsh 等九个不同工具、不同思考档配置出的成绩，只能回答"在这个 90 分钟的造桥任务里谁做得好"，不能回答"谁是最强大模型"。GitHubGitHub
UP 主自己也坦承：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。评论区大量讨论集中在"为什么没等到新版本"。另外注意，11 月 9 日已有抖音创作者跟进做了 8 个模型、6 关的同类造桥赛。它的规则是不给看画面、只发河宽和预算、每关两次机会，与本场比赛口径完全不同，追热点时别把两场比赛的成绩混着引用。哔哩哔哩抖音
可复算、可参赛：这次评测的稀有之处
对普通用户来说，这场比赛的价值不只在结论：第 9 集的网页版造桥模拟器可以载入九位选手和参考答案的设计、自己搭桥试车。第 1 到 6 关还有公开排行榜，普通人搭的桥和 AI 的桥用的是同一套判分；全部设计文件、引擎源码和计分脚本在 GitHub 开源，本地跑一条命令就能把 54 份设计、72 局攻防逐项重算核对。想看"差距在哪一关"，不必重看整场视频，直接载入各家的 level4、level5 设计对比回放即可。AI算法对抗大赛官网
