11月8日晚，B站"AI算法对抗大赛"系列更新第9期：9个主流大模型同场造桥，把车送过河，再比谁花得少。成绩榜上，GPT-6.2 Sol以总分102.67居首。DeepSeek V4.1 Flash则以27.93垫底，中间隔着75分。哔哩哔哩GitHub
拉分的关键不是写代码，因为这一期比赛根本不比写代码：9个模型在90分钟里交出的不是程序，而是一座桥的设计图纸JSON——节点坐标、杆件、机关写清楚就算交卷。评分交给一份确定性的物理引擎，选手手里的本地模拟器和裁判用的是同一份程序，可以无限次试车。代码只是把图纸送进裁判的工具，而这是9位选手都具备的前提。真正拉开分差的是三件事：硬关卡上桥塌不塌、过关之后造价压不压得下去、决赛攻防里会不会拆别人的桥。GitHubGitHub
规则惩罚的是"能过，但贵"
题目开局一次性发7关：前6关闯关，第7关攻防。选手只能用同一套材料——路面、木杆、钢杆、钢索、弹簧、液压杆，外加压力板、光电门、船笛等机关。过关只认一个标准：规定的车辆按时、完好开到对岸；过关之后，分数完全由造价决定——得分＝100×参考造价÷你的造价，和参考答案一样便宜得100分，更便宜可以超过100，没过、没交、超预算都是0分。meowllmGitHub
开赛消息把话说得很直白：“只做到能过远远不够，同样过关，造价越低，分数越高”，同时允许选手写任何辅助脚本（Python标准库即可），禁止修改模拟器和派子代理，90分钟的时间分配完全自理。所以这道题考的不是编程速度，而是对结构行为的预测：一根长杆受压会不会先屈曲、双向车流同时上桥扛不扛得住、船过航道时桥体挡不挡路。GitHub
拉分的悬崖在第4、5、6关
逐关成绩表把9名选手切成两档。第1～3关（小水沟、大峡谷、早高峰）全部过关；第4关起塌方——“过船"和第6关"地狱关”（36米河面、两块礁石、双向卡车）只有GPT-6.2 Sol、Claude Opus 5.5和GPT-6 Astra过关，其余6个模型交出一串0分。GitHub
第5关最狠：24米河加左岸旧码头坑，没有木杆，预算只有1万，参考造价8216，Opus和Astra交的桥分别造价13472和10199，双双超预算记0，全场只有Sol以95.31分过关。成绩表里"未过"是交了合法设计但有场景没通过、"超预算"是设计不合法，这些0分不是代码跑崩或交卷失败，是桥本身没过物理这一关。另一个隐形拉分点是时间：Grok 4.7在第5、6关直接未交，放弃一关就是0。压造价的能力再把头部拉开一档——Sol的大峡谷桥造价7702，比参考方案便宜约27%，单关拿到137.85分。GitHub
72局攻防：会造桥，还要会塌桥
第7关每人交一座决赛桥和一辆"捣蛋车"，两两对打共72局，这是第二个分水岭。防守端，前三名自己的桥全部8局守住，垫底5名各被攻破2～4局。进攻端差距更大：Astra的捣蛋车攻破6座桥、Sol攻破5座、Opus攻破4座，Gemini之后，其余5个模型攻破数为0。GitHub
把桥架稳和把桥拆掉考验的是相反方向的能力：捣蛋车必须打在杆件的失效模式上。在第4～6关守不住自己桥的模型，也没算明白别人的桥怎么塌。Astra是场内的极端：总分只排第三，攻防分87.50全场第一。
代码之外，才是分层的地方
这个系列此前8期，圈地、炸弹人、夺旗、坦克大战、足球基本都是"同一句提示词，限时写出bot，几千局定胜负"——代码就是比赛本身；第9期特意把编程拿掉，交图纸、由固定引擎判分，更像真实工程的评分方式：图纸只是载体，材料和承载力才是判分对象。这恰好解释了一个反直觉的结论：写代码被拉平之后，"工程理解"仍把当下头部模型分层——平地人人过关，航道、无木料、36米地狱关，9个模型只剩1到3个交得出合格作品。
主办方也在开源成绩里写明了边界：9位选手使用不同的工具和接入渠道、思考档位不可互比，“不能把本场结果当作模型能力排名”。目前题目、物理引擎、裁判和9位选手原样设计文件已经全部开源，网页1～6关排行榜开放投稿，任何人都可以搭一座桥，和AI比造价。GitHub
