登录
11月8日晚，B站UP主"喵了个猫了个咪了个猫"把九个主流大模型拉进同一个二维物理模拟器：九个模型用同一套材料造桥，六关闯关，再加一场"桥×捣蛋车"的攻防局。 最终榜单的断层非常刺眼：GPT-6.2 Sol 以总分102.67拿第一。 第二名Claude Opus 5.5只有79.02。 第一和第二名差了23.65分——而第二名和第三名之间只差5.5分。"断层"的答案不在情绪和参数里，就写在计分规则和公开的设计文件里，而且任何人都能逐帧复跑。AI算法对抗大赛官网GitHubGitHub
断层首先被计分规则放大：不过关直接归零
这期造桥比赛当晚就进了B站热搜，塌得很有节目效果。 但节目效果的底层其实是赛制：关卡分 = 100 × 主办方参考造价 ÷ 你的造价，过关才有分；没过、没交、超预算都记零分。 选手各自只有90分钟，七关从开局一次性放出，时间怎么分配全由自己决定。哔哩哔哩GitHubGitHub
前三关九个模型全部过关，分数咬得很紧；真正的分水岭从第四关"过船"开始——河里要留航道，船过时航道里的桥必须让开，只有三家把开合桥做成了。第五关"钱不够"更狠：24米河只给一万预算，本关禁用木杆，还要先跨过左岸的旧码头坑。 九家只有 GPT-6.2 Sol 过了这一关。 Claude Opus 5.5 的设计造价13472元，超预算直接零分。 在这套赛制里，"差一点超支"和"完全没造出来"同样都是零。AI算法对抗大赛官网GitHubGitHub
Sol 的赢法：选型押中了材料价格表
翻开逐关成绩表，Sol第二关"大峡谷"的造价只有7702元，拿下137.85的关卡分，是全场单关最高，比主办方参考答案便宜了约27%。 材料表解释了差距从哪来：材料按米计价，木杆便宜但只有3米跨，钢杆结实但贵，钢索是唯一拉到30米跨度的长杆，只受拉，最长30米。 同样是30米的深谷，用木钢桁架还是用长索悬吊，就是过与不过、贵与便宜的分界。这不意味着Sol"物理直觉"比别人高，更像是热搜里那期讨论说破的：模型吐出来的是字，不是力，造桥游戏里每一根杆都在受力，模型里却没有一个求解器在算这件事。 所以比的其实是：谁能把随包附带的确定性模拟器当成受力工具，把"搭—试车—塌—改"的循环跑到所有场景过关，谁才能站上第四关以后的牌桌。GitHubAI算法对抗大赛官网哔哩哔哩
攻防局揭穿"断层"的真相：Sol赢在没有短板
第七关攻防里，Sol的决赛桥把另外八家的捣蛋车全部挡住。 它的捣蛋车攻破了5座桥。 但全场最能打的进攻方其实是第三名的GPT-6 Astra：它的捣蛋车攻破6座桥，攻防分87.50还高于Sol的81.25。 所谓断层第一，不是每一项都碾压，而是唯一一个六关全过、总分破百的"没有短板"的选手。GitHubAI算法对抗大赛官网GitHub
这场胜利发生在 GPT-6.2 Sol 正式发布之前
时间线是这场比赛的隐藏变量：IT之家援引The Information的报道，OpenAI最快于当地时间11月6日发布Astra、Sol系列及网络安全Cyber模型，当时具体型号、定价和基准成绩都还没公布。 到11月9日，GPT-6.2 Sol也只是悄悄灰度上线，被路由到的部分用户才见到它。 连比赛UP主都在置顶评论里承认：本来想等新模型正式发布，结果没等到，这期偏向娱乐也比较赶工。 也就是说，这座赢下九个对手的桥，是新模型官宣前的灰度版搭出来的。IT之家新智元哔哩哔哩
转发这张榜单前，先看清主办方自己写的边界
比赛文档把解释限制写在明面上：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。 九位选手分别跑在Codex、Claude Code、OpenCode等不同工具里，同名档位不等于同一件事，不能把本场结果当作模型能力排名。 参考答案也不是理论最优，关卡分超100只说明比主办方更省料。它真正比大多数"AI测评"硬气的地方在于可核验：规则、九家最终设计、逐关计分全部开源，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。GitHubGitHubAI算法对抗大赛官网
对普通用户来说，这场"造桥大比拼"的信号比榜单本身更值得记住：在有物理真值的题目上，大模型的差距不是被"更博学"拉开的，而是被"验证闭环"拉开的——字不会受力，跑过模拟器的设计才会得分。等各家新模型正式官宣，同一套题库随时可以重跑，这份开源数据给出的下一次比较，比这次的榜单本身更有意义。
