11月8日晚，B站UP主"喵了个猫了个咪了个猫"做了一期节目，把豆包、DeepSeek、Kimi、混元、Opus、Gemini、Grok在内的九个主流大模型拉进了一场"贪官造桥"比赛。 规则是：在每关划定的范围里用六种指定材料从锚点搭出一座桥，每辆车都按时完好开到对岸才算过关；过关的前提下，关卡分＝100×参考答案造价÷你自己的造价——桥修得越便宜分越高，省下的工程款归模型“所有”。 截至11月10日晚，这期节目播放量已突破129万，顺带顶上B站热搜。哔哩哔哩AI算法对抗大赛官网哔哩哔哩
热榜标题里“省到三成预算”，兑现的正是这条计分公式：比参考方案省着建三成，单关分数立刻从100分抬到143分。规则只奖励一种行为——在安全线以内抠成本，而模型对这类“目标清晰、试错免费”的激励上手极快。但另一场六关盲测同时给出了问题的另一半：这些模型的翻车集中卡在空间精密协同、长程计算稳定性，以及游戏与真实工程之间那道墙。
“贪官”的人设，是把省钱变成了明码标价的激励。它的原型来自另一位UP主“爱捣鼓的大肥鱼”11月7日做的二维造桥小游戏：1000块预算，车能过桥，余款全归AI。 比赛版把每一关的场地范围、材料种类和试车判定完整公开在赛事页面上。 全系列比赛代码也已经开源在GitHub上，普通观众还能上传自己设计的桥，跟AI同场比。哔哩哔哩AI算法对抗大赛官网哔哩哔哩
省钱是真的，但它省的是规则的力
这类环境几乎是给大模型定制的：边界清楚、材料只有六种、物理引擎判定确定、重开一局成本为零。UP主“程序员阿江-Relakkes”的ModelDial评测里，Claude在第四关“悬崖硬举”被点名“教科书级预算控制”。 千云sm则用一组可复现实验（自建桁架受力求解器、固定随机种子）给“抠料”划了一条现实参照线：随机生成的一千座桥里，最省料的一座比标准桁架少用19%的材料。 他自己的总结口诀是“塌不塌，先看形状，再看粗细”。哔哩哔哩哔哩哔哩
第一道坎：它嘴里吐出来的是字，不是力
千云sm为这期实验写下的解释，是整场热议里最清醒的一句：模型“吐出来的是字，不是力”，造桥游戏的每一根杆都在受力，而语言模型内部并没有一个求解器在算这件事。 这也意味着，模型在游戏里交的“图纸”本身并不可信，可信的是裁判——物理引擎逐座验算、逐次试车，把错误的桥筛掉，模型靠海量重试才逼近省钱又过关的方案。他的模拟里，一千座随机桥有729座是连受力都算不出来的“机构”（几何可变体系，一压即散），只有271座结构上站得住。所以阿江团队干脆把外部依赖全部拿走：全程盲打，不给看画面、不给运行代码的环境、也不给计算器，只发河面宽度和预算，逼模型纯靠“脑算”交图。哔哩哔哩哔哩哔哩
第二道坎：合龙差4厘米，就是0分
盲打之下，模型的短板立刻显形。阿江的六关里，前三关是静力学：抽掉支撑杆复测、水里禁打桩加限高逼出鱼腹梁、左右对开吊桥悬空合拢高低差超过4厘米就判不过。 真正的分水岭在后两关。哔哩哔哩
第五关“车队压境”，三波重卡轮番上桥，八个模型里千问是唯一过关的国产模型，Grok整整算了80分钟没算出来，直接交白卷。 第六关“云端换乘”被设为压轴：两扇桥要在半空中交汇合拢，前五关一直特别稳的模型，因为桥顶钢架架得太高，在交汇瞬间撞在一起拿了0分；反倒是此前交过白卷的选手，把对接角手算到小数点后六位才惊险翻盘。 跨不过的不是承重，是公差；不是算力，是长时间不跑偏。哔哩哔哩抖音
第三道坎：游戏裁判不是工程规范
即便全部六关通关，也离“会造桥”很远。游戏里的物理引擎是简化二维模型，材料只有六种、失效只有塌或不塌；真实桥梁要面对的疲劳、风振、地震、温度和几十年耐久性，一关都没有。做验证的千云sm特意声明，自己那组数字“不是工程规范，只是把原理摆出来”。 还有一个成本悖论：阿江的评测在结算时发现，模型在游戏里精打细算省下的“工程款”，场外是拿真金白银的API账单换的——最抠门的选手也花了约21美金。哔哩哔哩哔哩哔哩
所以这波“AI造桥”热榜，最好当成一份能力体检来读，而不是开工现场。它量出来的频谱很清楚：规则明确、目标单一、允许试错的降本问题，AI上手飞快；一旦约束变成动态协同加公差，或者链条长到需要几千步精确推演，翻车就成了常态。阿江的评论区里有一句话很应景：“造桥会成为测试AI能力的新标杆。” 下一次新模型发布，这两套开源题库大概率会第一时间重赛——到时候值得盯的，不是谁又省了三成预算，而是哪道坎先被真正跨过去。哔哩哔哩
