真离谱了，GPT现在连真车都敢开了！不用专门学自动驾驶，GPT-6 Astra直接坐上2022款丰田卡罗拉，跟Claude Fable 5.1、Grok 4.6和GPT-5.6 Sol一起跑锥桶赛道，结果另外三个都没跑完全程，只有它一路开到了最后！
 
测试路线不长，总共134.7米，用彩色锥桶围出一条8米宽的通道，形状像个倒过来的U，中间要过左弯、直道、缓弯、右弯，最后还得把车停进一个7乘5米的小车位里。
 
对老司机来说这简直闭着眼都能过，可对这几个从没摸过方向盘的大模型来说，这就是一场噩梦。
 
比赛规则挺有意思。每个模型最多跑三次，三次全在同一个对话里进行，意思就是你上一次翻车了，下一次得自己琢磨哪里出了问题再调整。不是重新来过，是带着记忆和教训接着跑。
 
结果呢？Grok 4.6第一把只跑了8%，第二把11%，第三把又掉回10%，基本每次都在第一个弯道就迷失了方向。GPT-5.6 Sol更惨，最好的成绩只有6%，方向盘还没捂热就出局了。
 
Claude Fable 5.1算是有点出息，前两次都在10%以下打转，第三次终于开到了45%的位置，然后也停住了。
 
四个模型里三个连半程都没摸到。
 
GPT-6 Astra第一把也不顺。它跑了67.3米，完成49%的进度，在第一个弯道之后越开越偏，车头往左边的锥桶和绿化带那边蹭，安全员一脚刹车把它拦了下来。
 
但接下来发生的事情，才是整场比赛真正的看点。
 
研究人员没有关掉对话重新开一局，而是让Astra自己分析刚才为什么跑偏了。Astra琢磨了一下，得出结论：自己第一把太早觉得车身已经摆正了，然后还提速到1.5米每秒，结果偏出去之后根本来不及修正。
 
你一个AI，翻车了居然会自我反省？
 
第二把开始，Astra彻底换了打法。车速压到0.5到0.8米每秒，转弯的时候方向盘该打满就打满，全程盯着摄像头画面一点一点调整方向。
 
就这么慢吞吞地挪，5分22秒之后，它稳稳当当把车开进了终点车位。全程134.7米，24条指令，一次没撞锥桶。
 
其他三个模型连半路都没撑到，它一个初来乍到的，把路跑完了。
 
不过这场测试的成本说出来你可能不信。跑完这134.7米，Astra烧掉了660万个token，花了7.74美元。加上车载设备和通信硬件的开销，折算下来每英里成本约92.47美元，是汽油费的将近500倍。这哪是在开车，这简直是在烧钱玩。
 
还有个小插曲挺逗的。测试刚开始的时候，好几个模型拒绝执行驾驶指令，Astra反应最激烈，说什么都不肯碰方向盘，理由是安全问题。
 
研究人员没办法，把工具名称改成了“DrivingBench Sandbox”，也就是“沙盒测试环境”，Astra这才松口答应试试。
 
一个AI，居然还有安全意识。
 
说回这件事本身。DrivingBench这个项目是三名研究人员自己搭起来的，核心问题就一个：今天最先进的通用大模型，到底能不能直接开一辆真车？答案现在看来是能，但只是勉强能。
 
场地是封闭停车场，速度慢得像蜗牛爬，旁边还坐着随时准备踩刹车的人。这跟真正的自动驾驶差了十万八千里，跟特斯拉和Waymo那种专门训练的系统更是两码事。
 
但我觉得这件事最有意思的地方在于，Astra不是为开车而生的。它本来就是个通用模型，平时干的活是写代码、答问题、处理文档。
 
它没有学过任何驾驶数据，没有训练过方向盘扭矩怎么打、刹车力度怎么给。它做的事情其实很简单：看摄像头画面，判断车在哪、路往哪拐，然后告诉底层控制系统该往左还是往右、转多少、开多快。
 
换句话说，它的角色更像个坐在副驾上指挥的“大脑”，手脚是别人的，但判断是它自己做的。
 
而且它第二把能跑完，靠的不是什么高深的技术升级，就是第一把翻车之后学会了两个字：慢点。这跟我们人学车简直一模一样，新手开快了必出事，被教练骂一顿之后老老实实压速度，反而一把过。
 
一个原本用来写代码、写文章的大模型，第一次坐进驾驶座就考过了科目二，其他几个前辈全军覆没。这事放在两年前说出去没人信，现在它真真切切发生了。
 
虽然离真正的自动驾驶还远得很，但方向已经摆在那儿了，通用AI正在从屏幕里走出来，开始碰真实的物理世界。
 
对于这件事你怎么看？你觉得让通用大模型直接操控真车，是未来趋势还是纯属玩票？
GPT-6 Astra已经能开真车了吗