登录
11月8日晚，B站UP主"喵了个猫了个咪了个猫"更新了《AI算法对抗大赛》第9集，九个当下主流大模型被请进同一场比赛玩"贪官造桥"：9 个模型在 90 分钟里设计桥梁，开局一次性拿到 7 关。规则一句话：让规定的车辆按时、完好开到对岸就算过关，过关的前提下造价越低越好。哔哩哔哩GitHub比赛官网
省到多少了？先给答案：在30米宽、没有水、掉下去就没了的第2关"大峡谷"，冠军GPT-6.2 Sol交的桥，官方记录造价为7,701.80元。这一关的预算26,000元，出题方参考设计的造价是10,616.73元——它用不到三成的预算，搭出了一座比官方参考答案便宜近三成的过关桥。GitHubGitHub
但这九个AI同样在需要活动机关和极限预算的关卡上集体哑火。总分102.67的Sol是前六关唯一全部过关的选手，排它后面的六个模型在后三关连续拿零，垫底的DeepSeek V4.1 Flash总分只有27.93。"省"是真实的，"省"的边界也是真实的。GitHub
规则先讲清楚。前六关每关给一个预算上限和一份参考答案，总分 = (第 1～6 关关卡分之和 + 攻防分) ÷ 7。关卡分：全部场景通过时 = round(100 × 参考造价 ÷ 造价, 2)，否则 0——和参考答案一样便宜得100分，更便宜就超过100分。桥由六种构件搭出来：路面、木杆、钢杆、钢索、弹簧、液压杆，按米计价。GitHub比赛官网
物理引擎把"贪官"的路堵得很死：小轿车 1 吨、面包车 1.8 吨、卡车 5 吨，只在路面上跑，能爬约 17° 的坡。落水、翻车、摔太狠、超时都算失败。细长杆受压会屈曲，承重上限按长度的平方往下掉，受力超过上限0.1秒就断杆。这座比赛测的不是"抠到塌"，而是在验收线之上抠钱。比赛官网
省，到底省在哪几关
把九个选手在前六关的54份设计摊开看，省钱的分布极不均匀。第1关"小水沟"里最接近官方方案的Claude Opus 5.5造价3,531.70元，仍比3,509.84元的参考造价贵出21.86元——这一关没有任何AI跑赢官方。全场真正比参考造价更省的设计只有5份：大峡谷上Sol省了27.5%、Opus省了13%；早高峰两位只微弱省出2%到3%；过船一关只有Sol一个人比参考便宜。GitHubGitHub
第4关"过船"是分水岭。24米的河中间留了航道，船开过来前10秒鸣笛，之后6秒内航道里不能有桥，要的是带液压杆和传感器的开合桥——9个模型只过关3个。Sol以11,712.20元比参考便宜5%，Opus和Astra虽然过了关，造价分别冲到17,584.81元和18,718.15元，比官方方案贵出四到五成。GitHub
第5关"钱不够"是全场最诚实的时刻。24 米的河，预算远远不够造一座完整的桥，而且本关没有木杆——9个人里只有Sol造出了能过车的桥，造价8,620.74元，还略高于贴着预算线做出来的8,216.12元参考方案。腾讯混元交过一份5,651元的设计，比参考便宜三成，但车过不去，记0分：便宜和能用之间，隔着整个物理引擎。比赛官网
第6关"地狱"（36米河、两块礁石、航道加双向卡车）同样只有前三名过关，造价全部高于参考，最省的Sol也只做到比参考贵3%。GitHub
72局攻防：抠得动的，和抠坏了的
第7关每人交一座静态决赛桥，再配一辆造价不超过6,000元、自重2.5吨以内的"捣蛋车"去撞别人的桥。Sol、Opus、Astra前三名的决赛桥全部扛住了另外八辆捣蛋车的撞击，Astra自己的捣蛋车攻破6座对手的桥，Sol攻破5座，而垫底五款模型的捣蛋车一辆桥都没撞塌过。这些模型自己的桥则被逐一撞塌4到6局。省不省钱之前，先得会造一座不会被撞塌的桥。GitHub
这场可以逐帧查证，但主办方自己先泼了冷水
选手在本地试桥用的模拟器和裁判是同一份程序，正式评分就用发给选手的公开场景，没有隐藏场景。比赛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，任何人都可以自己搭一座桥传上排行榜。题目、裁判、九个模型交上来的原样代码、逐局结果、评分脚本已经全部开源，还能一键复现正式成绩。GitHub比赛官网GitHub
不过主办在开源文档里把口径写得很死：每个模型只测一次，单次结果有偶然性，工具（agent harness）、思考档、接入渠道都会影响成绩。九个选手分别跑在Codex、Claude Code、OpenCode、Grok Build等不同编程工具上，工具和接入渠道不同，不能把本场结果当作模型能力排名。换句话说，这张榜测的不是谁的天花板最高，而是这一代模型整体在"规则写得全、机器验得了"的工程任务上走到了哪一格。GitHubGitHub
所以，AI造的桥到底多省？
对预算比，过关的桥大多只花掉三成到一半的钱，"余款"看着吓人，但预算本来就不是必须花完的数。对官方参考设计比，真正的节省集中在大峡谷这类静态、可完全规格化的关卡：前三名省出13%到27.5%，而九个人的54份设计里只有5份赢过参考造价。到了动态机关、极限预算和攻防面前，多数模型的问题不再是省多少，而是能不能过关。
这场"贪官造桥"给出的判断是：当工程问题能被完整写进规则、由物理引擎守住验收线时，AI交出的方案已经摸到甚至优于人类参考设计的成本，而且用的是90分钟这种人类画不出来的时间尺度；一旦场景里出现说不完的条件——开合时机、旧结构复用、别人来砸场子——节省就停在过关线上。省下的与其说是钢材和木料，不如说是"设计—验证"反复试错的那部分成本。九个模型的每一座桥现在还挂在官方比赛页里，点进去逐帧重放，这道"省了多少"的题欢迎自己复算。
