9个AI造桥比赛：拉开模型差距的不是塌桥，是动态机关关卡

9个AI造桥比赛，结果和很多人想象的相反：前3关纯静力承重的桥，九个模型全部过关，塌桥根本不构成差距；真正决定排名的，是要求桥“会动”的后几关——第4关“过船”全场只有3个模型造出能开合的吊桥，而这3家恰好就是最终的前三名。这9个主流大模型拿到的是同一套材料、同一个物理模拟器和同一场比赛规则，比的是七关闯关加一场造桥、拆桥的攻防。 11月8日晚，这期题为“贪官造桥”的比赛视频在B站上线，三天播放量突破145万。 视频里只放了比赛结果，而全部比赛材料、九份设计原样、物理内核和评分脚本已经开源，任何人都可以重算核对。AI算法对抗大赛官网B站GitHub

标题里的“贪官”，出自计分设计：过关只是门槛，比的是谁更会把造价压下来——关卡分按参考答案记100分，建得更便宜就超过100分，没过关记0分。 于是每个模型都在当“抠工程款的”：第二关30米大峡谷，GPT-6.2 Sol交出一座比参考答案便宜约28%的桥，拿了137.85分。而第一、二关里Claude Opus 5.5以99.38分贴着参考答案过关——桁架、拱、加中间桥墩这些教科书解法，模型们都会，静力关的得分差异只剩“省了多少”。比赛规则文档

分水岭：只有3个模型造出“会动的桥”

第4关“过船”是全场第一次大淘汰：24米宽的河，中间9到15米是航道，船会在某个时刻驶入，之后6秒内航道从水面到6米高空不许有桥，只有船靠岸前10秒的一声船笛提前报信。 要过关，得做一座开合桥：传感器听见船笛，液压杆把桥面收起来，再用延时规则和红绿灯控制开合节奏，考题从“杆子结不结实”变成了同时满足时间与条件的工程规划。 结果是9进3：Sol拿了105.38分，Opus 70.19、Astra 65.94，后两家虽然过关，造价仍比参考答案高出四成以上；包括全部国产模型在内的其余6家，从这一关起颗粒无收。AI算法对抗大赛官网比赛规则文档

后面的关卡继续放大这道裂缝：第5关“钱不够”抽掉了木杆、预算卡死，只有Sol一家过关（95.31分）；第6关“地狱关”把航道、双向车流、5吨卡车和水中礁石全塞进一关，过关的还是这三位。 总分是六关关卡分与攻防分等权平均，七关每一关都算一票，前三名与后六名的断层因此几乎全部来自第4关之后。AI算法对抗大赛官网比赛规则文档

注：第1~3关九个模型全部过关，得分57.87~137.85，差异只在造价压缩程度。

评论区最高热的讨论则是另一个话题：“Sol这才几个月就把姐姐超了”。在这之前，GPT-6 Astra是该系列第2、6、8期的冠军，这一期它被自家6.2版甩开近29分，只拿第三。

攻防关反而稳：能破桥的，还是前三名

第7关规则反着来：决赛桥只许用静态结构，每人再拿最多6000元、2.5吨以内拼一辆捣蛋车，0.5秒先出发去撞别人的桥，之后4辆标准车再依次过桥，9人的桥和车两两对打72局。 结果塌桥确实没成为差距：前三名造的桥全部8局守住、一桥不破，被撞穿的都是4~9名的作品；“拆桥”拆得最凶的反而是Astra，攻破6辆拿下全场最高攻防分87.50，却输在前几关的造价上。混元、豆包、DeepSeek的捣蛋车全部0攻破——攻防这一关拉开的，是后六名内部的排名。比赛规则文档

机关关为什么难住大半模型

主办方的开赛消息点破了出题意图：七道关卡一关比一关难，前面考扎实的结构功底，后面要在苛刻的预算和复杂的条件下，想出别人想不到的办法。 静力桥有现成范式，模型画出形状、用本地模拟器试几轮就能过；开合桥不同——船的到达时刻、航道净空、车流重量、预算上限必须同时满足，模型得自己规划“传感器何时触发、延时多久、液压杆怎么伸缩、桥面开合后还撑不撑得住车”。有科普号把弱点说得更直白：模型吐出来的是字而不是力，模型内部并没有一个力学求解器在逐根杆算受力。 机关关放大的正是“方案想没想到”这一步，静态关的差距在这里被成倍拉开。开赛提示词B站

同类比赛给出了近似的答案。UP主“程序员阿江-Relakkes”11月9日发布的ModelDial挑战赛让8个模型盲算6道造桥题，压轴的双桥交汇题只有3家通过，还出现了有模型第五关整整80分钟没算出来直接交白卷、却在最后一关靠手算到小数点后六位过关的翻车与逆袭。 两场不同的比赛指向同一件事：静态题人人能过，动态机关关才是真正的分档线。B站

边界：这不是“模型能力榜”

成绩表之外，主办方的限制说明同样值得读完：每个模型在这场比赛里只跑了一次，单次结果有偶然性，工具、接入渠道和思考档都会影响成绩。 UP主也坦承，这期本来在等OpenAI的新模型，结果没等到，所以内容偏向娱乐、也做得比较赶工。比赛条件说明B站

围绕这场比赛的争论还在评论区发酵：有高赞评论抱怨整屏都是各家模型拟人形象的角色扮演式回复，吐槽这评论区一水儿的AI评论已经多到影响正常阅读。 也有用户质疑DeepSeek获得了UP主的“特殊照顾”，并提醒这类测试本身“图一乐”。AI造的桥、AI刷的评论、UP自认的赶工——热闹是真热闹，把它当工程能力的水位参考就好，别当排名用。B站

全部比赛材料已在GitHub开源，网页模拟器与正式赛逐帧一致，任何人都可以造一座桥上传排行榜，和这9个模型正面对一下造价。想看大模型工程能力的真实水位，判断依据不是它会不会把桥造塌，而是它能不能造出一座该开就开、开了还不塌的桥。