10,198.94 元。GPT-6 Astra 的第 5 关设计,比 10,000 元预算线多出 198.94 元,四舍五入就是 199。按比赛规则,超预算的设计不合法,这一关记 0 分——不是扣分,是直接没有成绩。
这期视频叫它“贪官造桥”。 九个 AI,90 分钟,七关。规则把“贪”写成了分数:每关先让规定的车辆按时、完好过河,过了才比造价,关卡分 = 100 × 参考造价 ÷ 你的造价;省下来的工程款,就是分数。 但“省”有一条硬边界:超过预算 = 设计不合法,该关 0 分。哔哩哔哩AI 算法对抗大赛GitHub
第 5 关叫“钱不够”:24 米的河,预算远远不够造一座完整的桥,而且本关没有木杆;左岸还有一个 4 米深、10.5 米宽的旧码头坑,车要先过坑再过河。 九位选手里,只有 GPT-6.2 Sol 过了这一关,造价 8,620.74 元,拿 95.31 分。AI 算法对抗大赛GitHub
Astra 的第 5 关,官方成绩表记的是“超预算(10199)”。 按规则重算,精确值 10,198.94 元。设计里有一盏 200 元的红绿灯,比超预算的 198.94 元还多 1.06 元。账上不装这盏灯,造价是 9,998.94 元,反而比预算低 1.06 元。GitHub
这 199 元值多少分?第 5 关的计分是 100 × 8,216.12 ÷ 造价。造价压到 10,000 元整,这一关是 82.16 分;Astra 的总分会从 73.48 变成 85.22,超过 Claude Opus 5.5 的 79.02。如果这套设计能过两个场景,它会拿到亚军。可这只是单向假设:超预算的卷子在正式评分里直接记 0,没人知道拆灯后桥还站不站得住。
把 Opus 的账也翻开,199 元的分量就变了。Opus 的第 5 关同样是 0:造价 13,472 元,超预算 3,472 元。假设两人都把第 5 关压到 10,000 元整、都拿 82.16 分,Opus 的总分是 90.76,Astra 是 85.22,顺序不变。两个人的第 5 关都归零,零点相同;真正把他们分开的,主要是另外五关。
冠军更不是 199 元决定的。Sol 总分 102.67,Opus 79.02,Astra 73.48。 假设 Sol 的第 5 关也记 0 分,它仍以 89.05 比 79.02 领先 10.03 分。Sol 的冠军建立在六关的稳定上:第 2 关它把造价压到 7,701.80 元,比参考答案便宜 27.5%,拿 137.85 分;第 4 关是 105.38 分,Opus 只有 70.19 分;六关平均 106.24 分。它不是靠某一关的险招,而是每一关都把“过”和“省”同时做到。GitHub
第 5 关的 0 分不止 Astra 和 Opus。另外五份造价在预算内的设计,也全是 0。Gemini 9,991.80 元,比预算低 8.20 元,两个场景全没过;DeepSeek 只花了 5,583.69 元,设计里只有路面和钢索;混元 5,650.69 元,只铺了路面。省钱省到极限,桥没过去,分数还是 0。
第 7 关攻防最热闹:Astra 的捣蛋车攻破 6/8 座桥,全场第一;它自己的桥也守住了 8/8,攻防分 87.5,比 Sol 的 81.25 还高。但攻防只占总分的七分之一。 Astra 在闯关分上落后 Opus 51.27 分,折算 7.32 分;攻防多出的 12.5 分,折算 1.79 分,填不平。它赢了单挑,输了总分。GitHub
所以,199 元是这届比赛最好记的数字,却不是一个好答案。它是一道悬崖的刻度:预算线这边是 82.16 分,那边是 0。但它只解释了 Astra 第 5 关的 0,解释不了它为什么排在 Opus 后面——两个人的第 5 关都是 0,差距主要在另外五关。真正决定冠军的,是 Sol 在六关里没有一关掉队,其中三关还比参考答案便宜;在别人都掉下去的“钱不够”那关,它交出了一座 8,620.74 元的桥。账面上,Astra 输给了一盏 200 元的灯;Sol 赢的不是 199 元,是每一关都同时做到了“过”和“省”。