九个AI造桥赛拉开差距的，真的不是写代码吗_科学技术

九个 AI 造桥比赛结束，答案比名次更有意思：拉开差距的确实不是"代码写得好不好"。这场比赛从规则上就不给代码打分——九个模型 90 分钟里交出的不是程序，而是一份份桥梁设计文件；真正把人分成三六九等的，是谁把造桥当成一道"可以算、可以试、可以反复迭代"的题，谁还在凭直觉交作业。

这场比赛是 B 站 UP 主"喵了个猫了个咪了个猫"发布的《AI 算法对抗大赛》第 9 集"造桥"，2026 年 11 月 8 日晚发布，截至 11 月 11 日播放量已突破 150 万，三天内衍生出大量解读视频。九位选手是 GPT-6.2 Sol、Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon、Grok 4.7、Kimi K3.1 Pro、腾讯混元 Hy4、豆包 Seed Evolving 和 DeepSeek V4.1 Flash，全部跑在各自的编程 Agent 工具里，而主办方也提前声明：工具和接入渠道不同，不能把本场结果当作模型能力排名。哔哩哔哩GitHub

九个选手比的不是代码，是造价

与这个系列前几集"写 bot 对打"不同，开源仓库对第 9 集的定性是：不写 bot，9 个模型在 90 分钟里设计桥梁，开局一次性拿到全部 7 关。比赛官网把赛制概括成一句话：九个模型用同一套材料造桥，七关闯关加桥和捣蛋车攻防，规则和成绩表全部公开。GitHub造桥大赛官网

计分方式简单到残酷：前 6 关要求规定车辆按时、完好开过 15 到 36 米宽的河谷，过关才有分，分数 = 100 × 主办方参考造价 ÷ 自己的造价；没过、没交、超预算都是 0 分。第 7 关是攻防：每人交一座决赛桥加一辆造价 6000 以内的"捣蛋车"，桥和别人的车两两对打 72 局。GitHub

规则里藏着几条决定胜负的结构常识：在游戏里，车只能开在路面杆件上，杆件超过受拉、受压上限就会断，长杆的受压上限按屈曲系数 ÷ 长度² 下降——三角形和短压杆是硬道理，一根木杆从 2 米拉到 3 米，承压能力就只剩不到一半。GitHub

最"抠门"的一条规则是：只看车到没到，桥在最后一辆车过去之后塌了也没关系——造桥比赛的精髓由此变成"撑到验收车通过就行"，省钱比结实重要。GitHub

而所有选手都握着同一件武器：手里的模拟器和裁判用的是同一份程序，结果确定、可复现，本地可以无限次试车；规则还允许用 Python 标准库写任何辅助脚本，只禁止联网、改引擎和派子代理。换句话说，"验证"在这场比赛里是免费的，代码也是人人都能写的——九个人手里的工具全是编程 Agent，会不会写代码根本不是变量。GitHub

掉队的三种姿势，都和"代码"无关

正式成绩表把差距摊开在三种具体的失败模式上。第 4 关（船过时航道里不能有桥）和第 6 关（36 米河、双礁石加双向卡车），9 个选手只有前三名过了关；第 5 关取消木杆、预算砍到 1 万，全场只有 GPT-6.2 Sol 一座桥过关。GitHub

第二种死法发生在交卷和预算上。Grok 4.7 在第 5、6 关的状态是"未交"——90 分钟怎么分配完全由模型自己决定，它到收卷快照时没拿出文件；Claude Opus 5.5 在第 5 关造价做到 13472，超了 1 万预算，设计合法却直接吃了 0 分。GitHub

第三种对照最有戏剧性，发生在第 2 关。豆包和 DeepSeek 交出的设计几何形状完全不同，材料清单却分毫不差——逐份比对开源仓库里的设计文件，两边同样是 12 根路面杆、33 根钢杆、22 个节点，造价精确地撞在同一个数字 20128 上，关卡分同为 52.75。两个模型独立收敛到了同一份"保守钢拱"标准答案：桥能站住，但远没便宜到能赢。对比冠军 GPT-6.2 Sol：总分 102.67，是唯一破百的选手，它还把第 2 关造价压到 7702，拿到 137.85 的"超越极限"分。GitHub

第 7 关的攻防则把阶层差距再确认了一遍：72 局里 18 局被攻破，没有出现物理异常；攻破全部来自前四名的捣蛋车——GPT-6 Astra 的车攻陷 6 座桥、GPT-6.2 Sol 5 座、Claude Opus 5.5 4 座、Gemini 4 Argon 3 座，后五名选手的车颗粒无收。对应的防守端，前三名自己的决赛桥 8 局全部守住，而 Grok、豆包、DeepSeek 三座桥各被破 4 次。GitHub

真正的分水岭：把问题当"要算的题"，还是"要编的话"

为什么同样握着编程工具和免费的模拟器，差距还是这么大？两位 UP 主的对照实验给出了可能的解释。UP 主"程序员阿江-Relakkes"参考同一玩法办了场 8 个模型的"盲打"比赛——不看画面、不给代码运行环境、也不给计算器，模型纯靠脑子算、直接交设计图纸，结果压轴题 8 个模型只过了 3 个。另一位 UP 主"千云sm"自己写了桁架受力求解器，随机生成一千座桥让真算法当裁判：七百多座连受力都算不出来，直接是"机构"。他的总结很直白：大模型吐出来的是字，不是力，模型内部并没有一个求解器在算每根杆的受力。哔哩哔哩哔哩哔哩

需要说明的是，这两个都是自媒体的复现实验，规则、题目、模型版本与正式赛各不相同，数据来自各自的本地测试，不能和正式赛成绩直接换算。但它们指向同一个方向：一旦把"算和验证"的环节抽走，模型的直觉就大面积塌方；反过来，正式赛的胜出恰恰取决于谁把免费的确定性模拟器榨到了极限——先试车、再压造价、再回头改。掉队者的死法里没有一种是"代码写砸了"：没过关是物理直觉不够，超预算是迭代深度不够，未交卷是时间管理失败。这才是热榜标题背后那句真话——不是写代码不重要，而是这场比赛里写代码只是起跑线，拉开差距的是工程思维：怎么把一句句"看起来对"的话，变成一辆车真能开过去的结构。