11月8日晚，B站"AI算法对抗大赛"更新了第9集：九个主流大模型，拿到同一包建材、同样的90分钟，先独立造桥闯七道越来越难的关，再用造好的桥和捣蛋车两两对打。 截至发稿，这期视频播放量已超过145万、评论7500多条，比赛的全部设计、数据和引擎都开源可复查。 最终总榜上，GPT-6.2 Sol 拿下102.67的断层高分。 Claude Opus 5.5 以79.02分第二、GPT-6 Astra 73.48分第三，DeepSeek V4.1 Flash 垫底只有27.93分，头尾差了3.7倍。GitHub哔哩哔哩赛事官网
有意思的是分数分布的形状：第1到第3关，九个模型全部过关，几乎拉不开差距；从第4关开始集体塌方，到"钱不够"的第5关，全场只剩Sol一家。 写代码这件事，九个选手都没有短板；真正拉开差距的是代码之外的几步：读懂计分规则、判断结构受力、把确定性模拟器当答案用，以及攻防博弈。GitHub
计分规则本身就是第一道题：过了关，还要省钱
这场考试的给分方式很特别：先在每关划定的范围里用路面、木杆、钢杆、钢索、弹簧、液压杆六种材料搭桥，每辆车按时、完好开到对岸才算过关，然后过关前提下造价越低分越高，关卡分 = 100 × 主办方参考造价 ÷ 你的造价，比参考答案还便宜就能超过100分。 UP主标题里"贪官造桥"的梗就是这么来的：省下的工程款，相当于进了承包商自己的口袋。赛事官网
Sol把这套规则吃到了底。第2关"大峡谷"，主办方参考答案造价10617元，它只花7702元就过了关，拿下单关最高的137.85分，比官方参考便宜约27%；第3、第4关也超过100分，另外三关全部压在参考造价的5%以内。GitHub
预算线则是无情的一面。第5关"钱不够"预算只有10000元，全场禁用木杆，左岸还横着一个必须先穿过的旧码头深坑。Opus交出的设计造价13472元，直接判无效；Astra的10199元只差199元，同样归零。 这一关全场过关率只有1/9，唯一的幸存者Sol把造价压到了8621元。GitHub赛事官网
静态桥人人都会，动态桥只剩三个
前3关考的是基本功：15米水沟、30米深谷、带礁石的28米河，配上六种按米计价的材料——这层能力九个模型都有，所以九个全部过关。赛事官网
物理层面的约束并不含糊：车只能开在路面杆件上，其他杆件会穿过去；杆件超过受拉、受压上限就断，长杆受压上限还按长度平方反比下降——一座桥塌不塌，先看形状，再看粗细。GitHub
真正的分水岭在第4关"过船"：河中间9到15米是航道，船进航道前10秒鸣笛，之后6秒内航道从水面到6米高不许有任何桥体。 这意味着桥不能只是桥：必须用液压杆配上传感器，搭一座船来就开、船过就合的活动桥。全场只有Sol、Opus、Astra三家交出了会动的桥，其余六家在这一关全部挂零；把礁石、航道、卡车、双向车流叠在一起的"地狱关"，也只剩这3家。从静到动，考察的内容从"结构能不能站住"变成了"能不能读懂机关、设计系统"。赛事官网
模拟器就是答案：90分钟考的是迭代策略
这场比赛的底层设定，决定了它考的不是"一次性写对"。桥由一个确定性的XPBD物理内核模拟，选手手里的本地模拟器和裁判用的是同一份程序，结果逐帧一致，没有隐藏场景，试车可以无限次。 90分钟里七关一次性全部发放，先做哪关、在哪关继续磨造价、在哪关及时止损，全由模型自己分配。 期间可以随便写辅助脚本，但禁止访问外网、禁止派子代理、禁止改动引擎。GitHubGitHubGitHub
主办方的开赛消息几乎是把答案念了出来：不必赶，先把规则读透、想清楚再动手，过了的关继续压造价，没过的关换个思路再试。 对九个模型来说，代码生成本身都是基本功，分差最终体现在"读规则—试车—收敛"的循环次数和质量上。评论区一条高赞说得直白：冠军"思路一对，剩下的都只是花时间微调的问题"，同样的工程量人类得花一整天去微调。GitHub哔哩哔哩
桥要守得住，车要拆得动
第7关把考试升级成了对抗：每人交一座只能是静态的决赛桥（预算26000元），再用同一套材料造一辆造价不超过6000元、自重不超过2500千克的捣蛋车，九人的桥和车两两对打，共72局。GitHub
72局里只有18局被拆开，且没有出现任何物理异常——拆桥靠的不是运气。 防守端，前三名把自己的决赛桥对八辆捣蛋车全部守住，其余六家被拆开1到4局。进攻端更残酷，Astra的捣蛋车8局攻破6座，成绩全场最高。 Sol攻破5座、Opus 4座、Gemini 3座，而Grok、Kimi、混元、豆包、DeepSeek五家的捣蛋车0/8，对任何桥都无功而返。搭一座稳的桥难，造一辆专拆别人桥的车更难——五家连攻防分都是空手。GitHub赛事官网
结论的边界：一场官方声明"不能当排行榜"的考试
主办方在赛制文档里自己划了边界：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发挥。 所以这句话被白纸黑字写进了规则：不能把本场结果当作模型能力排名。 关卡分以主办方参考答案为100，参考答案本身也不是理论最优，超过100只说明比参考更省。UP主也在置顶评论里交代，这期本来在等新模型发布没等到，“偏向娱乐，也比较赶工”。GitHubGitHub哔哩哔哩
不过它足够诚实：整个仓库开源，54份参赛设计、6份参考答案和72局攻防可以用一条命令重算核对，跑完会打印"核对通过"。 网页里还能载入每一位选手的设计逐帧回放，普通用户自己搭一座桥试车通过后，就能上传排行榜按造价和其他作品公开竞争。 想看大模型在封闭工程任务里的真实成色，这类可复现、可参与的对抗，比一段精心挑选的演示视频可信得多。GitHub赛事官网
对普通用户，这场造桥大赛更像一堂关于"怎么用好AI"的公开课：题目、工具、验证器全部给足，剩下的全是模型自己的事——读题、算账、试错、迭代、博弈，缺一步就停在原地。下次你给 coding agent 布置任务时，不妨照这套标准自查一下：规则给全了吗？验证方式确定吗？时间预算分配对吗？拉开差距的，从来都是这几步。
