九个 AI 造桥的整活，在 B 站已经跑到八十多万播放量。最值得看的不是冠军，是第 4 关「过船」。河宽 24 米，中间 9～15 米是航道。船进航道前 10 秒鸣笛，之后 6 秒内，水面到 6 米高的航道里不能有桥。AI算法对抗大赛
九个 AI 在 90 分钟里一次拿到七关。 第 4 关的最终榜上，只有三座桥跑完了全程：GPT-6.2 Sol、Claude Opus 5.5、GPT-6 Astra。Gemini、Grok、Kimi、混元、豆包、DeepSeek 六家都是 0 分。它们的设计全部合法，造价也都没超 2.5 万元预算。GitHub
失败不是「桥塌了」这么简单。Sol 的液压杆在鸣笛后 1.2 秒开始开桥，16.45 秒后合拢；Opus 是 5 秒开、16.2 秒合。Kimi 把开桥指令排在鸣笛后 16 秒——以 12 秒那组为例，船进航道时它还没抬杆，6 秒窗口到 18 秒就结束了。
Grok、豆包、DeepSeek 都装了液压杆，也都在预算内，但最后都没跑过模拟器。
Astra 走了另一条路：它根本没用液压杆，直接造了一座静态高架桥，桥面抬到约 6.3 米。Gemini 也造了静态高架桥，桥面最低处约 6.08 米。船的天花板是 6 米；静态几何上，一个留了 30 厘米，一个只留了 8 厘米。静态几何够，不等于满载时够；这 22 厘米也不是唯一的差别，但最后 Astra 过，Gemini 零分。
一场比赛可能是偶然。ModelDial 的造桥实验室里，八个模型跑六关，每关两次机会，裁判会在第一次失败后指出问题。这类对接关卡的容差是 4 厘米：第三关「双翼开闸」要两片桥叶在半空合拢，高低差超过 4 厘米就判不过。哔哩哔哩
第六关「云端换乘」更难：两片活动平台在半空交接，把车送到三个不同高度的出口。八家里有五家没过。四家的钢架在半空相撞。 只有 GPT-6 Astra 和 Gemini 一次过，Grok 在第二次才过。哔哩哔哩
Claude、Kimi、DeepSeek、混元在第二次尝试里仍然发生半空碰撞；其中三家还是撞在左叶 c3 与右叶 c4 上。千问第二次把误差压到 4.00686 厘米——比 4 厘米的容差只多 0.0686 毫米，还是零分。
更基础的是配额：Claude、DeepSeek、Grok 第一轮都把 H 型钢用超了每叶 8 米的限额，分别是 17.276 米、12.608 米、8.685 米。
这些模型不是不会算。它们会选桁架、会算弯矩，有的还会写「先动不挡路的一叶，避免相撞」的阶段计划。可模拟器一跑，碰撞还是发生。问题出在三个地方。
第一是约束账本。开合桥不只是一张图，它同时要守预算、材料配额、杆件长度、液压行程、船期和合拢公差。任何一条漏掉，结果都是零。模型很会在局部把某根杆优化到极致，却常常忘记另一张表上的 8 米。
第二是时序和扫掠。静态桥算的是「桥长什么样」，开合桥算的是「每一秒桥在哪里」。桥叶抬到 45 度时会不会碰到另一片叶？合拢过程中，左叶的 c3 和右叶的 c4 之间还有多少间隙？这些不是一句「避免碰撞」能代替的，它需要对动作做几何验证。
第三是余量。Astra 留 30 厘米，Gemini 留 8 厘米；千问把 4 厘米的公差做到 4.00686 厘米。工程不是压着红线过关，而是给载荷、变形和误差留出空间。模型往往把答案推到约束边界，因为它的目标是「满足」，不是「可靠」。
ModelDial 给了第二次机会，也把「哪里超了」告诉它们。这四家仍然没过。这说明反馈不是读不懂，而是很难把「左叶 c3 与右叶 c4 相撞」翻译成「哪根杆该短多少、哪个角度该让多少」。工程的迭代需要因果，不是表态。
所以，造桥成了一个意外的测试标尺：它把「说得对」和「做得成」放在了同一个裁判面前。语言模型可以把一座桥描述得头头是道；模拟器只认最后一帧。大模型的工程能力卡住的地方，大概就是这一步——从生成一个看起来对的方案，到验证一个真的能跑的方案。
回到开头那六位，它们不是不会造桥。它们只是把桥当成了一道题，而这一关，考的是工程。
