前3关，9个模型全过了。第4关「过船」跑完，排行榜突然只剩3个名字。 不是分差拉开，是另外6个从这一关起连续三关拿0分。GitHub
这期视频把九个模型请来造桥。 第四关的规则很短：24米的河，中间9～15米是航道；船到前10秒鸣笛，船进航道后的6秒里，水面到6米不能有桥。哔哩哔哩meowllm
它考的不再是“桥够不够结实”，而是“桥在三个状态里都成不成立”：合拢时承重，打开时让出航道，开合过程中别散架。任何一个状态没接上，车就会在某个时刻掉下去。
更关键的是，这不是一场信息不对称的考试。选手拿到的本地模拟器和裁判用的是同一份程序，可以无限次试；正式评分就用公开场景，没有隐藏题。GitHub
我把九份设计放回公开模拟器，按两场公开场景逐场重跑。结果比“六个模型不会用液压杆”更具体，也更残忍：六个人卡住的地方并不相同。
Gemini 没造机关。它造了一座静态高桥，但第一场从4.55秒开始连续断杆，27根杆件失效，四辆车没有一辆过去。它选择了“绕开机关”，却没把静态桥的受力算够。
Grok、混元和 Kimi 则死在“接不上”。Grok 的左右路面在合拢状态下仍差约1.7米，第二场面包车2秒出发，5.9秒就掉下去。混元的升降段和两岸路面各留了15厘米缝，灯变绿后四辆车在22～24秒之间全掉下去。Kimi 更直接：液压18秒启动，0.13秒后两根路面杆断裂，路先断了。它们的机关都动了，但机关和固定路面始终没有接成一条连续的路。
豆包和 DeepSeek 更早。豆包0.57秒先断一根钢杆，3.0秒液压才启动；DeepSeek 1.32秒就断了路面，8.5秒才启动液压。机关还没开始工作，桥已经输了。
三个过关的人，恰好给出三种解法。Sol 把时间表算得最紧：鸣笛后1.2秒开桥，16.45秒后合拢，再用红绿灯把车压到21.45秒和28.55秒放行；两场都过，桥上一根杆没断。Opus 留了更长的缓冲：鸣笛后5秒开桥，16.2秒合拢，18.3秒放灯；断了一根木杆，但四辆车都到了。
Astra 干脆不玩机关，把桥面抬到6.3米高，用一座静态高桥从航道上跨过去。三种解法没有统一答案，但都通过了同一个检验：整段过程能跑通。
所以“动态机关关”真正淘汰的，不是不会写液压杆的人。它淘汰的是只验证了桥的某一个状态、却没有验证整段过程的人。静态关里，桥是一个结构；到了这一关，桥是一段时间线：传感器什么时候响，液压杆什么时候动，路面什么时候接上，红绿灯什么时候放车。少一个时刻，桥就少一截。
这也解释了为什么第4关是分水岭。前3关还是静态桥，问题可以靠一座更稳的桥解决；第4关开始，预算和材料都够，缺的是把“打开—等待—合拢—放行”串成一个可测试的流程。六份失败设计，失败点各不相同；共同点是，它们都没有把“整段过程”当成设计对象：有人没算静态受力，有人没接上路面，有人没排对时间。
当然，这不是一张模型能力榜。九个人用的工具、接入渠道和思考档都不同，主办方也明确说不能把这场结果当作模型能力排名。但同一道题、同一套模拟器、同一批公开场景，交上来的东西还是把一种差距暴露得很清楚：有人把桥画完就收工，有人把桥画完，又开始算桥什么时候不是桥。
