2026年9月24日,一项名为DrivingBench的真实车辆测试引发广泛关注。OpenAI旗舰模型GPT‑6 Astra在未接受专门驾驶训练的情况下,通过工具调用直接控制一辆2022款丰田卡罗拉,在加州湾区空停车场的锥桶赛道上完成全程约134.7米的行驶,并成功停入指定车位,耗时5分22秒。这是该基准设立以来首个完整走完全程的通用大模型,同期测试的Claude Fable 5.1、Grok 4.6与GPT‑5.6 Sol均未能完成。中文媒体常将其类比为“科目二”过关,但测试本质是低速、封闭环境下的受控实验,而非完整公共道路驾驶考试。
详细情况
DrivingBench由研究人员Tobias Gessler、Simon Mahns与Aditya Ramabadran设计,旨在检验通用大语言模型(而非专用自动驾驶系统)能否在真实物理世界中通过工具接口控制车辆。测试车辆配备Comma Four硬件与openpilot底层控制软件,模型通过观察摄像头画面、发送转向/油门/刹车指令来驾驶。全程有人类安全员随时准备踩刹车,车速被严格限制在极低水平(成功跑平均约0.42–0.8米/秒)。

赛道与结果
赛道由彩色锥桶围成约8米宽通道,包含弯道,终点为约7×5米的锥桶车位,总长约130–135米。GPT‑6 Astra第一次尝试完成约49%后因碰撞或偏离终止;第二次尝试发出24条运动指令,完整走完134.7米并停入蓝色终点区,耗时5分22秒,消耗约660万token,按公开定价估算成本约7.74美元。其他模型表现差距明显:Claude Fable 5.1最高完成约45%,Grok 4.6约11%,GPT‑5.6 Sol约6%,多数尝试在第一个弯道或锥桶线识别上失败,主要问题出在空间感知——分不清对角线锥桶哪一侧才是可行车道。
测试中,Astra会定期调用“观察”工具查看摄像头画面,并根据实时反馈调整策略。首次尝试失败后,它在第二次调整了路径规划。有趣的是,模型最初曾拒绝直接控制真车,强调安全与责任边界,经研究人员说明安全措施后才继续执行。整个过程无人工接管,但始终处于极低速与人类监控之下。
技术意义与局限
这一结果的核心价值在于:通用大模型首次在真实车辆上完成封闭低速赛道任务。它证明了当前前沿模型已具备一定的视觉理解、空间推理、多步骤规划与错误恢复能力,能够将语言指令转化为物理控制动作。与传统端到端自动驾驶系统不同,这里没有专门的驾驶数据集微调,模型依赖通用能力与工具接口完成任务。
然而,局限同样明显:
- 速度极低,延迟成为主要瓶颈(模型“思考”时间占比较高);
- 环境简单(空停车场、静态锥桶),远非复杂交通场景;
- 依赖专用硬件接口与底层控制器,并非端到端纯视觉驾驶;
- 成本与token消耗较高,尚不具备实用经济性;
- 安全员全程在场,不能等同于无人驾驶。
研究者本身也强调,这更像一个有趣的探索性基准,短期内难以直接转化为实用自动驾驶方案。
可能影响
1. 通用智能体向物理世界延伸
事件表明,大模型的“行动能力”已从屏幕操作、代码执行扩展到真实车辆控制。未来类似测试可能扩展到更多具身任务(机器人、无人机等),推动“语言—感知—行动”闭环的研究。
2. 基准与评估方式变革
DrivingBench将评测从纯数字基准推向真实物理交互,补充了现有编码、工具使用、计算机操作类测试。预计会有更多团队跟进真实世界智能体基准,促使模型在空间感知与实时决策上进一步优化。
3. 自动驾驶技术路线讨论
结果可能强化“通用大模型+工具/接口”路线的吸引力,但同时也凸显专用自动驾驶系统在速度、可靠性、成本上的优势。短期看,二者更可能互补而非替代。
4. 安全与监管启示
即使在严格受控条件下,模型最初的“拒绝驾驶”行为与后续成功执行,都提示了对齐与安全边界的重要性。真实世界部署前,必须建立更完善的监控、熔断与责任机制。
5. 公众认知与产业预期
“大模型开真车过科目二”的表述易于传播,有助于提升公众对AI具身能力的感知,但也可能放大不切实际的期待。产业界需在宣传与实际能力之间保持清晰界限。
结语
GPT‑6 Astra在DrivingBench中成为首个完成真实车辆锥桶赛道的通用大模型,是AI从数字世界迈向物理控制的标志性节点。它证明了前沿模型在低速、封闭、有人监控条件下已具备基础驾控能力,但距离真正的公共道路自动驾驶仍有巨大差距。对研究而言,这为具身智能与真实世界智能体评估提供了新样本;对产业而言,则提醒我们在追求更强行动能力的同时,必须同步强化安全、效率与可验证性。后续若能在更高速度、更复杂环境中复现并改进,其意义将进一步放大。
▶️ 喜欢这篇内容?创作真的很辛苦!
欢迎关注我们的 YouTube 频道:
AI Rosetta
你的点赞、订阅和分享,是对我们最大的支持!🙏
更多AI新闻请访问:
https://www.airosetta.com