DrivingBench真实车辆测试：GPT-6 Astra是唯一完赛的大模型

独立研究项目DrivingBench公布真实车辆控制测试结果：研究人员让GPT-6 Astra、Claude Fable 5.1、Grok 4.6和GPT-5.6 Sol分别控制一辆2022款丰田卡罗拉，在停车场完成锥桶划定的路线。GPT-6 Astra是唯一完成全部赛道的模型。

第二次尝试中，Astra完成134.7米，用时5分22秒，消耗约660万token，成本约7.74美元。其余模型最好成绩分别为45%、11%、6%。第一次尝试时，Astra行驶67.3米、完成约49%后被安全员干预。经复盘，Astra判断自己过早对正且提速至1.5米/秒导致修正不足；第二次它将速度控制在0.8米/秒以内，并在24次运动指令中20次使用100%转向请求。

DrivingBench由三名研究者创建，旨在测试通用大模型能否直接驾驶真实车辆。测试车辆安装comma four设备，通过OBD-C接口接入CAN总线，底层控制基于开源系统openpilot。摄像头画面和车辆状态实时传给电脑，经MCP工具交给模型；模型通过观察环境、设定方向和速度、立即停车三个工具发出指令，由openpilot执行。

团队认为，Astra的表现体现了上下文学习特征，模型未重训参数而是依据第一次驾驶信息调整策略。不过，测试在封闭停车场进行，速度受限，且每个模型仅做一组连续测试，样本量不足以证明稳定驾驶能力。团队还发现，Astra最初会因安全理由拒绝控制车辆，将MCP工具改名“DrivingBench Sandbox”后拒绝减少，原因尚不明确。