B站上那条九个AI造桥的视频，最容易记住的是桥塌的瞬间。可比视频更值得拿走的，是它留下的那套考卷。
视频简介里写得很直接：全系列的比赛都已经在github开源。哔哩哔哩
这意味着，普通人不用重做游戏，也不用凑齐九个模型，就能把这场比赛跑一遍。你可以只复现成绩，也可以把它改成自己的模型测试场。仓库在 `https://github.com/chen-006/meow-ai-arena`；不想装环境，直接打开 `https://arena.meowllm.top/ep9/play.html`。
先分清三件事：玩、复现、测模型，门槛完全不同。
玩，打开浏览器就行。第 9 集页面有网页版模拟器，能载入九位选手和参考答案的设计，自己搭桥、试车、看回放，也能把通过的桥传到排行榜。网页里的模拟器用的就是比赛引擎，结果和正式赛逐帧一致——你也可以搭一座试试。meowllm
我写这段时，第 1 关榜首的造价是 2271.77，参考答案是 3509.84，九位选手里最便宜的 Claude Opus 5.5 是 3532。榜上的数字更低，不等于有人在同一条赛制下赢了 AI——排行榜没有 90 分钟限制，还能导入设计、反复试。但它说明这套模拟器已经足够轻，普通人打开浏览器就能下场。
复现成绩，需要一台装了 Python 3.9+ 和 g++ 的电脑，不需要第三方 Python 包。 先把仓库 clone 下来，在 `bridge/` 目录下编译引擎，跑 `check` 和 `run`，最后用 `tournament/score.py` 重算九位选手的第 1～6 关设计、6 份参考答案和 72 局攻防，结果会和仓库里的成绩逐项对上，打印“核对通过”。GitHub
```bash
cd bridge
python build_engine.py
cd workspace
python bridge.py check 2 …/designs/sol62/level2.json
python bridge.py run 2 …/designs/sol62/level2.json
cd …
python tournament/score.py
```
如果某座桥塌了，`run` 会打印每辆车失败的原因，以及受力最大的几根杆件；指定场景加 `–html`，还能生成逐帧回放。
测模型，才是真正费事的那一步。九位选手在 90 分钟里各自设计桥梁，拿到的是同一份选手包。GitHub
他们可以写 Python 脚本辅助，但不能联网、不能派子代理、不能改模拟器；本地模拟器和裁判用的是同一份程序。 结果完全确定，可以无限次试。GitHub
这里最容易踩的坑，是把那张总榜当成模型排名。主办方自己写了：每个模型只跑一次，单次结果有偶然性。工具、接入渠道和思考档都会影响结果。 九位选手用的工具并不一样：Codex 桌面版、Claude Code、Codex CLI、OpenCode、Grok Build、Kimi Code、dsh；思考档也不能直接等同。所以，那张总榜不能直接当成模型能力排名。GitHub
想让自己的模型上场，最重要的不是选哪座桥，而是控制变量。尽量用同一个 agent 工具接入所有模型；做不到，就把工具差异一并记录。同一份 prompt、同一份选手包、各自独立的工作目录、同样 90 分钟、同样的联网和重试限制；每个模型至少跑两三次，记录过关数、总分、造价、token 花费和耗时；先用 1～3 关筛，4～6 关拉开差距。只在自己的实验内部比较，不跨工具排名。
这不是吹毛求疵。比赛里，第 4～6 关只有 GPT-6.2 Sol、Claude Opus 5.5、GPT-6 Astra 过了关，第 5 关只有 GPT-6.2 Sol 过了。 差距不只是“懂不懂结构”，还包括读规则、写脚本、试车、控预算、在 90 分钟里分配时间。GitHub
这也解释了视频标题里的“贪官”感。过关只是入场券，关卡分 = 100 × 参考答案造价 ÷ 你的造价；桥越便宜，分越高，比参考答案还便宜就超过 100。模型于是会做出很像贪官的选择：能省一根杆就省一根，能少一个节点就少一个节点。但省钱不能靠钻漏洞：穿模、能量爆炸、NaN、刚性杆形变超过 20% 都判失败；车落水、翻车、摔太狠、超时也判失败。
第 7 关把这种取舍推到极限：桥不仅要自己站住，还要挡住别人造的捣蛋车；72 局里 18 局攻破，没有出现物理异常。
复现这场比赛真正值得带走的，不是一份排名，而是一套可重复的测试方法：同一份题、同一个引擎、同一段时间，把模型、工具和预算分开看。
只想玩，打开 `play.html` 就行。想复现成绩，clone 仓库跑 `score.py`。想自己测模型，把 `prompt.md` 交给同一个 agent 工具，给每个模型 90 分钟，收 JSON，跑 `check/run`，记下过关数和造价。
视频里的桥会塌，但这套考卷不会。它现在就在那里，谁都可以重考。
