第 5 关，GPT-6 Astra 的桥造价 10,198.94 元，比 10,000 元预算多出 198.94 元，四舍五入就是热点里的 199 元。规则是硬门槛：超预算就是设计不合法，0 分。 可我把第 5 关的预算临时改成 12,000 元，用比赛仓库里的引擎重跑这份设计：两个场景，它只过了一个。第二个场景里，面包车第一个上桥，9.2 秒就掉进水里。多给 2,000 元，它还是 0 分。那 199 元不是原因，是症状。GitHub
这是 11 月 7 日一场 90 分钟的造桥赛：九个 AI，七关。 B 站那期视频里，它们用同一套材料造桥。 第 5 关叫「钱不够」，24 米河面，左岸有个 4 米深、10.5 米宽的旧码头坑，车要先过坑再过河；本关没有木杆，预算只有 10,000 元。 两个公开场景，所有车按时完好到对岸才算过关，过关后才按造价算分。参考造价 8,216.12 元。GPT-6.2 Sol 用 8,620.74 元过了，拿 95.31 分；九个人里只有它一个过了这一关。GitHub哔哩哔哩meowllmGitHub
Astra 不是胡乱交的。旧码头坑用钢杆撑住，河面主跨是浅弧形路面，两根斜索从两岸拉住；桥上还装了光电门和一盏红绿灯，车经过后 2 秒变绿、4 秒变红。 造价拆开看，路面约 5,351 元，钢杆约 2,603 元，钢索约 1,264 元，红绿灯 200 元。GitHub
钱主要花在了坑上。钢杆 2,603 元，是 Sol 那份设计里钢杆开销的约八倍；河面主跨却只有两根斜索。第二个场景里，面包车压上去时，主跨中段三段路面先断，然后车落水。它把旧码头坑的支架做得很足，却把最长的那段河面留成了薄弱环节。
更尴尬的是那盏 200 元的红绿灯。预算放宽后，带着灯跑第一个场景，过了；只把灯和它的两条规则删掉，造价降到 9,999 元，两个场景全挂——第一组的面包车 11.2 秒就落水。灯是替弱桥面分流的补丁；补丁一撕，桥更不行。这不是「少算 200 块」的故事：剪掉灯，桥不过；不剪灯，预算不过。这份设计从一开始就没有同时满足「两组车流」和「10,000 元」。
同一关里，Gemini 用 9,991.80 元造了一座不过关的桥；Opus 的桥放宽预算重跑能过，但 13,472.19 元超了 34.7%。GitHub 一个省钱不顶用，一个结实但太贵。只有 Sol 用 8,620.74 元把两边都占了。
这份 0 分最值得看的地方，不是它不会造桥。Astra 能画出像样的方案，甚至给桥装了红绿灯来组织车流；这份交卷缺的是交卷前的那道验收：把公开场景跑完，把预算重新加一遍，确认「交的这一版」就是「能过的那一版」。而模拟器和裁判是同一份程序，场景公开，本地可以无限次试。GitHub
选手包里其实就有这条命令。规则里写着 `python bridge.py check <关卡> <设计.json>`，会检查合法性并算造价。 对这份文件，它会直接打印「造价 10199 超过预算 10000」。可交上来的仍然是这份。结果很清楚：交卷文件没有通过验收。GitHub
聊天模型把方案说圆就行；agent 要把方案落到一个会被检查的交付物上。难的不是生成，是闭合：约束有没有列全，最后一版有没有回归，成本和场景有没有一起过。199 元只是线头；剪掉它，桥还是过不了。
这只是一次比赛，每个模型只跑一次，工具也不同，不能拿它排总座次。 但这份交卷的失败方式很具体：它不是不会造桥，是没把「造出来的桥」当成「要验收的桥」。桥可以差 199 元，验收不能差最后一遍。GitHub
