第5关，Claude Opus 5.5 交了一座造价13472的桥，预算是10000。它拿了0分，原因是超预算。 它最后总分第二。同一关，GPT-6 Astra 交了10199，只超199块，也是0分；它总分第三。混元在第6关交了34497，预算20000。三份设计都死在预算这一栏上。GitHub
这是11月7日的一场AI造桥赛。9个模型，90分钟，7关一次性发下来。 前3关9个全过；第4关过3个，第5关只过1个，第6关过3个。六道闯关题的后三关，只有Sol、Opus、Astra拿到过分；另外6个——Gemini、Grok、Kimi、混元、豆包、DeepSeek——全部挂零。AI 算法对抗大赛GitHub
第4关加了船，第5关拿走木杆，第6关把礁石、航道、双向卡车全塞进来。约束是一层层叠上去的。
比赛用的是一份确定性模拟器，本地可以无限次试，没有隐藏关卡。 也就是说，它们不是没拿到反馈，是没把反馈用完。GitHub
这和你用AI做长任务时的翻车现场，几乎是同一套剧本。
最容易被看见的，是预算。规则写得很清楚：过关才有分，超预算直接0分。但到了后半程，设计里只剩“桥要能过”。199块这个数最刺眼：它更像账没记住，而不是桥不会造。放到长任务里，token预算、改动范围、“别动这个接口”，往往不是第一步丢的，是在一次次局部修补里丢的。
然后是工具被拿走，方案没跟着换。第5关叫“钱不够”，木杆被禁用，左岸还多了个旧码头坑。 9个模型里只有Sol过了。 它的设计很素：34根杆，19根路面、1根钢杆、2根弹簧、12根钢索，连传感器都没用。meowllmGitHub
混元在这一关交了19根路面杆，一根支撑都没有，造价5651，两个场景全挂。便宜是真便宜，就是车过不去。你让AI改一个长项目也一样：原来的库不能用了、接口换了、数据源断了，它还在用上一关的模板，代码写得很熟，跑起来就塌。
还有一种更隐蔽的：复杂不等于能过。第4关要过船，Grok交了82根杆、2根液压、8条规则，Kimi装了3根液压，造价分别是24846和24935，结果两个场景都没过。它们不是没想到机关，是想到了、也做出来了，但交上来的设计过不了。很多“完成”也是这样：抽象层搭了三层，测试只跑了happy path。
Grok在第5、6关根本没交卷。 开赛消息里专门写了“不要早早收手”，它还是收了。 模型说“已完成”的时候，后面可能还挂着两个TODO；它不是答错，是没答完。GitHubAI 算法对抗大赛
冠军Sol的总分是102.67。它拿到的选手包和别人一样，六关设计全部通过了公开场景，而且大多比参考答案便宜。第5关它用8620块造了座能过的桥，预算10000，还剩约1380。
第7关打了72局，18局攻破。 6个模型的桥被别人的捣蛋车攻破，其中5个模型的捣蛋车一辆桥也没攻破。它们把注意力放在了自己那座桥上，却没留出余量去接别人的招。GitHub
所以，下次让AI干长活，别只看它前几步跑得顺。等它说“完成了”，先别急着验收：预算有没有花超，改过的条件有没有重读，每一关的测试有没有跑完——以及，它说“完成”的时候，是不是还有两关没交。
