GPT-6 Astra 通过驾驶基准测试，展示自动驾驶能力

GPT-6 Astra 在一个名为 DrivingBench 的驾驶基准测试中展示了驾驶能力，该测试要求模型在模拟环境中操控车辆沿赛道行驶。测试结果显示，模型在多次尝试中取得了 134.7 米的最好成绩，但未能完成整个赛道。这表明大型语言模型正在从对话领域扩展到需要连续决策的实际操作场景。

Hacker News 上出现了一个名为 DrivingBench 的驾驶基准测试，标题为「GPT-6 Astra has gained the ability to drive a car」。该测试允许模型在单次连续对话中进行最多三次尝试，并通过扩展模型查看每次运行的具体轨迹和视频。

测试数据显示了多次尝试的结果，其中最好的成绩为 134.7 米，用时 5 分 22 秒，涉及 24 次命令调用，消耗了 6.6M token，成本为 7.74 美元。其余尝试的成绩在 14.4 米到 73.7 米之间，均未完成整个赛道，标记为 DNF（Did Not Finish）。

成绩的衡量标准是模型沿赛道中心线行驶的距离，需保持在中心线 4 米范围内，碰撞会导致进度停止。每个尝试还会记录接受的命令数量、token 消耗和成本，包括尝试后的反思过程。这些数据来自 drivingbench.com 的公开页面。

本文由程序自动抓取公开报道，经 AI 筛选与改写生成，未经人工逐条核实，事实以原文为准。