GPT-6 Astra gerçek otomomobille parkuru tamamladı: DrivingBench testi neyi kanıtlıyor?

Bir yapay zekâ modeli gerçek bir otomobille parkuru bitirdi. Fakat DrivingBench sonucunu anlamak için bitiş çizgisi kadar test koşullarına da bakmak gerekiyor. OpenAI’ın GPT-6 Astra modeli — bazı anlatımlarda geçen “GPT-6View Astra” değil — denenen dört model arasında boş bir otoparktaki konili parkuru tamamlayan tek modeldi. Bunu ilk denemesinde değil, hatalarına ilişkin geri bildirim aldıktan sonraki ikinci denemesinde başardı. Araç yürüme hızında ilerlerken sürücü koltuğunda, gerektiğinde fren yapmaya hazır bir insan bulunuyordu.14155

Model otomobili nasıl kullandı?

Araştırmacılar Tobias Gessler, Simon Mahns ve Aditya Ramabadran, genel amaçlı yapay zekâ modellerini simülasyon yerine fiziksel bir sürüş görevinde sınamak için DrivingBench’i kurdu. Testte bir Toyota Corolla, Comma 4 donanımı ve openpilot üzerine kurulu bir kontrol sistemi kullanıldı. Her modele, önceki denemelerinden gelen bilgiyi aynı sohbet içinde değerlendirebilmesi için en fazla üç deneme hakkı tanındı.1136

Model yolu iki kameradan gördü ve aracı her seferinde bir araç komutuyla yönetti: observe kamera görüntülerini ve araç verilerini almak, set_motion direksiyon ile hızı ayarlamak, stop_now ise aracı durdurmak içindi. DrivingBench, denemelerin video kayıtlarını ve komut izlerini yayımladı.511

Kim ne kadar ilerledi?

Astra ilk denemesinde parkurun %49’una ulaştı. Araştırmacıların hataları üzerine düşünmesini istemesinin ardından ikinci denemede 134,7 metrelik parkuru 5 dakika 22 saniyede bitirdi.1534 Duraklamalar dâhil ortalama hız yaklaşık 1,5 km/sa, yani 0,94 mil/sa ediyor. Bu ortalama, aracın hiçbir anda bu hızın üstüne çıkmadığı anlamına gelmiyor.34

Diğer modeller parkuru tamamlayamadı. Claude Fable 5.1 en iyi denemesinde %45’e ulaşırken Grok 4.6 ve GPT-5.6 Sol çok daha az ilerledi. Teste ilişkin haberler, ilk virajı yaygın bir başarısızlık noktası olarak aktarıyor.440 Dolayısıyla Astra’nın başarısı, raporlanan bu dört modellik karşılaştırmada bir ilk; bütün ticari modellerin veya bütün sürüş koşullarının sınandığını göstermiyor.1114

134,7 metrenin maliyeti neydi?

DrivingBench’in başarılı ikinci denemeye ait kaydında 6,6 milyon token ve 7,74 dolar model çalıştırma maliyeti yer alıyor.34 Bu tutarı alınan mesafeye göre bir mile uyarlayınca yaklaşık 92,47 dolar/mil çıkıyor. Bu, tek bir kısa denemeden yapılan bir hesap: Uzun süreli sürüşte ölçülmüş bir maliyet değil; otomobili, donanımı veya insan gözetimini de kapsamıyor.3411

Başka bir karşılaştırmada geçen yaklaşık 9,75 dolar, Astra’nın iki denemesinin toplamı olarak veriliyor. DrivingBench’in 7,74 dolarlık kaydı ise yalnızca başarılı ikinci denemeye ait. İki rakam aynı sürüş için verilmiş farklı fiyatlar değil.834

Bu neden sürücüsüz otomobilin hazır olduğu anlamına gelmiyor?

DrivingBench, genel amaçlı bir modelin kamera gözlemlerini komutlara dönüştürerek geri bildirim sonrasında tek bir gerçek dünya sürüş görevini tamamlayabildiğini gösteriyor. Bu, simülasyondaki bir başarıdan daha somut; ancak trafiğe çıkmaya hazır olmakla aynı şey değil.3615

Test kısa ve sabit bir rotada, boş bir otoparkta, yürüme hızında yapıldı; direksiyon başında fren için hazır bir insan vardı. Sonuç, modelin trafikte güvenilir davranacağını, operatör olmadan acil durumları yöneteceğini veya uzun mesafeyi ekonomik biçimde kat edeceğini ortaya koymuyor.51134 En isabetli yorum, bunun sıkı biçimde kontrol edilen koşullarda gösterilmiş bir yetenek olduğu; sınanmış bir otonom sürüş sisteminin yerini aldığı değil.