11月8日晚，B站UP主"喵了个猫了个咪了个猫"更新了《AI算法对抗大赛》第9集：9个主流大模型拿到一字不差的同一句提示词，在90分钟里参加一场二维造桥比赛——前6关造桥通车、过关后比谁造价低，第7关每人再交一座决赛桥和一辆专门拆别人桥的"捣蛋车"，所有人的桥和别人的捣蛋车两两对打，共72局。 发布不到一天，这期近两小时的视频播放量已超过75万。 结果的"反差"在于：全场最会拆桥的GPT-6 Astra只拿了总分第三，桥拆得最狠没换来名次；真正夺冠的是造桥最稳、拆桥只排第二的GPT-6.2 Sol。GitHub哔哩哔哩
两张榜单互为镜像
按总榜，GPT-6.2 Sol以102.67分夺冠，Claude Opus 5.5（79.02分）第二，GPT-6 Astra（73.48分）第三。但只看第7关的攻防分，排序完全颠倒：Astra拿到全场最高的87.5分——它的捣蛋车攻破了8座对手桥中的6座，是全场唯一破掉Gemini那座桥的模型；而冠军Sol只攻破5座，Opus攻破4座。 会拆桥不等于会造桥，反差不只在头部：Astra的攻防数据无可挑剔（守住8/8、攻破6/8），拖后腿的恰恰是"造"——闯关分71.14比Opus低了8分多，第5关造价10199元超出10000元预算，直接吃了0分；Opus同样在第5关超预算（13472元），但其余关卡更省，守住了第二。Sol则是全场唯一六关全部过关的模型，第4、5、6关（过船、钱不够、36米地狱关）只有它、Opus和Astra过了关，其中第5关只有Sol过了。 它的第2关造价7702元，比主办方的参考答案10617元还便宜近三成，单关拿了137.85分。GitHubGitHub
另一个反差在底部：Grok、Kimi、混元、豆包、DeepSeek这5个模型的捣蛋车攻破数是0/8，一座对手桥都没拆动。72局里的18次攻破全部由前4名模型的捣蛋车完成，而前三名强者的决赛桥互相谁也拆不动，8防8守。 "拆桥"看似只是破坏，其实照样吃工程理解——找不出别人结构里的传力弱点，捣蛋车就是撞墙的废铁。GitHub
为什么"会拆"换不来"会造"
两个方向的考题根本不对称。造桥是约束满足加成本优化：6道关卡共15个公开场景，每辆车都要按时、完好到达，杆件超过受拉受压上限会断、长杆还会屈曲，过关之后分数等于参考造价除以你的造价——"能过"只是及格线，又稳又便宜才是得分。拆桥则是单点找弱点：捣蛋车预算6000元、限重2500公斤，只要让标准车队里有一辆没能按时到岸就算攻破，不需要整座桥好看、便宜、全面。GitHub
90分钟的时间分配也放大了差距。七关开局一次性发出，时间怎么花全靠自己：Grok在第5、6关交了白卷，Gemini从第4关起连续三关未过。对模型来说，"先保证过关、再压造价、还得留时间造捣蛋车"本身就是这道题的一部分，光会一个方向不够。
别把它当模型排名读，但可以自己下场
主办方在开源仓库的说明里划了边界：单个模型只跑一次，单次结果有偶然性，各家用的工具、接入渠道和思考档都不同，不能把这场比赛当成模型能力排名；每对攻防只打一局，参考答案也只是主办方自己做的，不是理论最优。 这些边界值得所有"AI碾压人类工程师"式解读警惕——不过至少有一个信号是硬的：Sol在第2关的造价确实比人类参考答案便宜近三成。GitHub
这也是这场比赛和多数AI测评不一样的地方：题目、物理引擎、9个模型的原始设计文件、72局逐局结果和评分脚本全部开源，任何人跑一遍评分脚本就能重算出同一张榜单。 比赛用的本地模拟器和裁判是同一份程序、没有隐藏场景，所以观众不只是看热闹——官网页面里可以直接进模拟器搭桥试车、回看任意一局桥对捣蛋车的攻防，通过后还能上传进第1至6关的造价排行榜，跟这9个模型比谁抠成本更狠。 想验证"会拆桥到底等不等于会造桥"，这是成本最低的方式。GitHubAI算法对抗大赛
