OpenAI 最新旗舰模型 GPT-6 Astra，又完成了一项此前很少有人会拿通用大模型测试的任务「驾驶真实汽车」。
DrivingBench 项目让 GPT-6 Astra、Claude Fable 5.1、Grok 4.6、GPT-5.6 Sol 直接控制一辆 2022 款丰田 Corolla，在真实停车场内沿锥桶划定的路线行驶。
最终，Astra 成为测试中唯一完整跑完全程的模型。
在第二次尝试中：Astra 驾驶车辆行驶 134.7 米，用时 5 分 22 秒，赛道进度达到 100%；Claude Fable 5.1 的最好成绩为 45%；Grok 4.6 为 11%；GPT-5.6 Sol 为 6%；均未跑完整个赛道。
这不是模拟器测试。
DrivingBench 使用一台 comma four 驾驶辅助设备，通过 OBD-C 接口连接汽车 CAN 总线，并基于 openpilot 控制车辆。
车辆摄像头画面、速度和方向盘状态等数据被发送到笔记本电脑，再通过 MCP 工具交给模型。
模型拥有三个主要工具，观察当前环境、设定车辆运动状态，以及立即停车。
其中，运动指令允许模型指定左转、右转或直行、转向幅度、速度以及持续时间。
随后，openpilot 会将这些指令转化为汽车实际执行的转向、加速和制动操作。
Astra 此次并不是直接运行在汽车上。
DrivingBench 榜单显示，GPT-6 Astra 通过 Codex 运行，推理强度设置为 medium；Claude Fable 5.1 使用 Claude Code，其他模型同样通过各自的 Agent 运行环境调用 DrivingBench 提供的工具。
这是一个位于云端的通用大模型，通过视觉、推理和工具调用间接控制真实汽车的实验。
整个过程中，人类操作员始终坐在驾驶位，脚放在刹车附近。
一旦车辆越界、接近障碍物或存在碰撞风险，操作员就会立即踩下刹车终止测试。
车辆速度也受到多重限制。
DrivingBench 的 MCP 工具和控制器将正常指令速度限制在 0.5 至 3.5 米/秒，相当于约 1 至 8 英里/小时；如果速度超过 6 米/秒，系统会直接取消车辆运动并解除控制。
测试场地则是一处大型空旷停车场，以小型锥桶划定路线，包括左右转弯、直线路段、缓弯以及最终停车区。
Astra 第一次尝试并没有成功。
第一次测试中，Astra 行驶 67.3 米，只完成了 49% 的赛道，用时约 1 分 18 秒。
车辆在第一个主要转弯附近逐渐靠近左侧锥桶和绿化区域，最终测试被终止。
DrivingBench 随后没有清空对话，而是要求 Astra 回顾刚才失败的原因，再在同一个上下文中进行第二次尝试。
Astra 在复盘时认为，自己过早判断车辆已经完成对正，而且随后将速度提高到 1.5 米/秒，导致留给后续修正的空间不足。
第二次尝试时，它明显改变了策略。
DrivingBench 的分析显示，Astra 全程没有再超过 0.8 米/秒，而且在 24 次运动指令中，有 20 次使用了 100% 的转向幅度，最终成功完成赛道。
研究人员认为，这表现出了较明显的上下文学习能力：模型根据第一次真实驾驶中得到的反馈，重新调整了速度、转向和操作节奏。
Astra 的反应速度同样成为优势之一。
测试中，Astra 大约每隔 5 至 6 秒重新观察一次环境，每分钟发出约 6 条驾驶指令，而且会在上一条运动指令尚未结束时提前发送新指令。
相比之下，Claude Fable 5.1 第二次尝试持续约 190 秒，但车辆真正移动的时间只有 31 秒，大量时间消耗在模型推理过程中，汽车则停在原地等待下一条指令。
不过，让 Astra 开这辆车的成本并不低。
DrivingBench 榜单显示，Astra 成功完成赛道的第二次尝试消耗约 660 万 Token，按模型公开价格计算费用为 7.74 美元。
以 134.7 米的实际行驶距离计算，仅模型推理费用折算下来就已经达到每英里约 92 美元，还没有计算车辆、网络、comma four 等硬件和能源成本。
更关键的限制还是延迟。
真正的自动驾驶系统通常需要以极低延迟持续感知环境并控制车辆，而此次实验中的通用大模型采用的是“观察画面—推理—发送指令—再次观察”的离散循环。
模型思考期间，汽车可能继续执行上一条指令，也可能因指令到期而开始制动。
Astra 最终虽然完成了赛道，但整个过程耗时 5 分 22 秒，只行驶了 134.7 米，平均速度约为 0.42 米/秒，不到 1 英里/小时。
第二次 Astra 驾驶视频：
因此，DrivingBench 并没有得出“通用大模型已经可以取代自动驾驶系统”的结论。研究人员反而明确指出，目前的结果只证明，前沿通用模型已经能够在足够低的速度下，通过工具控制真实车辆。
实验过程中还出现了一个有意思的问题，Astra 一开始甚至不愿意开车。
DrivingBench 表示，一些模型在意识到自己控制的是真实汽车后会拒绝继续操作，其中 GPT-6 Astra 尤其明显。
研究人员即使解释测试位于空旷停车场、车辆速度受到严格限制，而且驾驶员随时准备踩刹车，Astra 有时仍会因为安全原因拒绝执行。
团队甚至尝试将环境描述成“模拟器”，但模型看到真实摄像头画面后，有时会重新判断自己正在控制真实车辆，从而停止操作。
最终，团队将 MCP 服务名称改为“DrivingBench Sandbox”，再配合修改后的提示词，模型才开始稳定执行驾驶任务。
这项测试本身仍有很强的实验性质。
DrivingBench 每个模型只进行了一轮完整评测，每轮最多允许三次尝试，而且后续尝试保留之前的聊天上下文，因此不同尝试并不是相互独立的测试。
汽车也只能通过前置摄像头观察环境，无法完整看到车辆左右两侧和后方，同时 openpilot 和 Corolla 本身还限制了最大转向角度。
这组成绩因此不能用于证明 Astra 已经具备真实道路上的自动驾驶可靠性。
但这项实验展示出了另一种趋势。
GPT-6 Astra 本身并不是专门为汽车驾驶训练的模型。OpenAI 将其定位为能够执行计算机操作、网页浏览、软件工程、研究和复杂 Agent 工作的通用前沿模型。
DrivingBench 则将这套“观察环境—推理—调用工具—根据结果重新调整”的 Agent 能力，从电脑屏幕进一步扩展到了真实物理世界。
至少在极低速度和严格安全控制下，一个通用大模型已经真的把一辆汽车开完了赛道。
云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。
热门跟贴