GPT-6 Astra成功实现真实车辆驾驶

近日，AI驾驶能力评测平台DrivingBench发布了一项引人注目的实验结果：OpenAI最新模型GPT-6 Astra已具备操控真实汽车的能力。该实验将多个前沿大语言模型接入一辆丰田卡罗拉的控制系统，赋予其对方向盘、油门和刹车的直接控制权限，并要求模型在一条预设的锥桶赛道中完成驾驶任务。

DrivingBench的测试机制设计严谨：每轮测试允许模型进行最多三次连续尝试，所有操作均通过自然语言交互完成。系统会记录模型发出的运动指令（如set_motion和stop_now），并基于GPS轨迹评估其表现。评判标准包括“进度”（即沿赛道中心线行驶的距离占比，且需保持在4米范围内）、总行驶距离、完成时间以及所消耗的计算资源（以token数量和成本计）。

在此次评测中，GPT-6 Astra表现尤为突出。其代号为“Codex · medium”的版本在三次尝试中两次达成100%赛道进度，其中一次用时仅5分22秒，成功完成全程。另一次虽因中途碰撞未能计入完成时间，但仍达到了49%的进度。相比之下，Anthropic的Claude Fable 5.1最佳成绩仅为45%，而xAI的Grok 4.6和GPT-5.6 Sol的表现则更为有限，分别仅达到11%和6%的进度。

值得注意的是，GPT-6 Astra不仅在任务完成度上遥遥领先，其指令调用效率也较高。系统日志显示，它能有效规划路径、调整车速，并在接近障碍物时及时减速或停车，体现出较强的环境感知与决策能力。尽管整个系统仍依赖人类监督（例如初始启动和紧急干预），但这一成果标志着大语言模型在具身智能（embodied AI）领域的重大突破。

DrivingBench强调，所有测试均在封闭场地进行，确保安全。该平台旨在为AI社区提供一个标准化的真实世界驾驶评测基准，推动模型从纯文本推理向物理世界交互演进。目前，DrivingBench已开放模型提交接口，鼓励开发者将更多AI系统接入测试。

此次GPT-6 Astra的成功，不仅验证了超大规模语言模型在复杂物理任务中的潜力，也为未来自动驾驶技术的发展提供了新思路——即通过通用AI而非专用模块来实现驾驶智能。尽管距离实际道路应用仍有巨大差距，但这一里程碑式进展无疑为AI驱动的具身智能研究注入了强劲动力。