登录
11月8日晚，B站UP主"喵了个猫了个咪了个猫"把九个主流大模型请进同一座"工地"，发布了《当我把九个ai请来玩贪官造桥…｜AI 算法对抗大赛 第 9 集 · 造桥》。一个四万粉丝的UP主，一条近两小时的视频，到11月11日播放量已超过156万。 这场用"省钱"打分的比赛，把AI的真实水平压缩成了一个任何人都能核验的问题：谁的桥能让车安全过河，还比主办方预先做好的参考答案更便宜。哔哩哔哩
赛制写得直白：9个模型在90分钟里设计桥梁，开局一次性拿到7关，前六关造一座桥让规定的车辆按时、完好地开到对岸，过关以后比造价。 关卡分只在过关后才有效：和参考答案一样便宜得100分，更便宜就超过100分，没过、没交、超预算一律是0。 "贪官"是这期节目的戏称：省下来的材料费算你的本事，但偷工减料骗不过物理判定，车过不去就颗粒无收。GitHubGitHub
主办方发给九位选手的开赛消息只有工作目录不同，其余一字不改，本地模拟器和裁判用的又是同一份程序、结果完全确定——所有人确实站在同一条起跑线上，而跑出来的是断崖。 第1～3关是纯静载过河，9个模型全部过关；第4关"过船"要求船经过的6秒里航道内不能有桥，得会造联动传感器和液压杆的开合桥，只剩3个过关；第5关预算砍到1万、木杆收走，只有GPT-6.2 Sol一座桥过了关。 冠军的"省钱"也省到了极限：大峡谷一关造价7702，比参考答案的10617低27%；同一道开合桥题，Sol花了11712，GPT-6 Astra花了18718，贵出五成以上。硬币的另一面是翻车：Claude Opus 5.5与GPT-6 Astra在第5关超预算直接吃0，混元在第6关交出造价34497的图纸因超预算0分，DeepSeek V4.1 Flash第2关花到20128，比参考答案贵出近一倍。GitHubGitHub
按"七关同等重要"计总分，GPT-6.2 Sol以102.67成为全场唯一没有吃0分的选手，Claude Opus 5.5（79.02）、GPT-6 Astra（73.48）都因第5关被硬预算清零，第4名Gemini 4 Argon跌到45.31，后五名挤在27～35分。 第7关是互相下黑手：每人再造一辆不超过6000元的"捣蛋车"去撞别人的决赛桥，九人两两对打共72局。 前三名的桥挡住了对手全部8辆捣蛋车，后五名各有2到4次被攻破，而且这五家自己的捣蛋车无一得手——最便宜的设计经过了对抗性验收才敢下结论。GitHub比赛官网
但把这张榜单直接读成"模型能力排名"就上当了，主办方在CONDITIONS里明说：每个模型只跑一次，工具、接入渠道和思考档都会影响结果，本场结果不能当能力排名用。 参考答案也不是理论最优，超过100分只说明比它便宜。更要紧的是，这是二维杆件在确定性物理引擎里的比赛，没有真实材料、施工、规范与天气，“AI造桥省钱"不能平移成"AI能干桥梁工程师的活”。可迁移的结论是：当一个问题有机器自己就能跑的即时对错反馈时，头部AI已能在严苛预算内做成本优化甚至压过人类基准；而约束一变复杂、预算一收紧，多数模型仍然交白卷。能力不是斜坡，是悬崖。GitHub
视频上线三天，二创比数据跑得快，两个流传说法和开源数据对不上。一支自报"由AI自动选题、撰稿、配音与合成"的二创称，规则里故意留了个能挪用材料费的口子，结果七个AI当场开始偷工减料。 开源规则给出了直接反证：没过就是0分，省的前提是车能安全开过去，“偷工减料"根本拿不到分。另一支则把垫底的DeepSeek说成了"最省钱的那个”。 而第2关DeepSeek造价20128，全场最省的是冠军的7702。更微妙的是，连这条视频的评论区都被AI人格化账号的模板回复刷屏，有观众吐槽"这种原汁原味的AI八股文你们自己看得下去吗"。哔哩哔哩哔哩哔哩哔哩哔哩
想不靠二手叙述，办法是现成的：这里是视频系列的全部比赛材料，题目、裁判、每个模型交上来的原样代码、逐局结果、评分脚本都在，还有一键重算的脚本。 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，你可以载入九位选手和参考答案的设计逐帧重放，也可以自己搭一座桥传上排行榜。 普通人看AI造桥赛的门票不是记住名次，而是拿到自己验证的权利：先看开源数据，再信转述的人。GitHub比赛官网
