答案已發布19 來源
GPT-6 Astra 駕真車行完測試路線，但離自動駕駛仍有距離
GPT 6 Astra 是 DrivingBench 四個受測模型中唯一完成路線的一個：第二次嘗試用 5 分 22 秒行完 134.7 米。[14][34] 成功一程用了 660 萬個 token，模型推理費用為 7.74 美元；按該短途結果換算，約為每英里 92.47 美元。[34] 測試在空置停車場以步行速度進行，司機位有人準備煞車；結果不能證明模型已可安全、經濟地自行在道路上行駛。[5][11][34]
發布者使用 GPT-6 Sol 編輯圖片由 GPT Image 2 生成
研究答案
重點
- GPT 6 Astra 是 DrivingBench 四個受測模型中唯一完成路線的一個：第二次嘗試用 5 分 22 秒行完 134.7 米。[14][34]
- 成功一程用了 660 萬個 token，模型推理費用為 7.74 美元；按該短途結果換算，約為每英里 92.47 美元。[34]
- 測試在空置停車場以步行速度進行，司機位有人準備煞車；結果不能證明模型已可安全、經濟地自行在道路上行駛。[5][11][34]
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: According to the DrivingBench report, how did OpenAI’s GPT-6View Astra become the first commercial large language model to steer a real car. Article summary: DrivingBench’s result was a narrow but notable proof of concept: OpenAI’s GPT-6 Astra—not “GPT-6View Astra” in the available sources—was the only tested model to complete a real-car cone course, succeeding on its second . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
一個通用 AI 模型真係控制咗一架車，仲行完指定路線。不過，行得完測試路線，同可以放手畀佢上路，係兩回事。在 DrivingBench 的四模型比較中，OpenAI 的 GPT-6 Astra（並非「GPT-6View Astra」）是唯一完成停車場雪糕筒路線的模型；它首次嘗試未能完成，要到第二次才成功。14
15
它點樣控制架車？
Tobias Gessler、Simon Mahns 和 Aditya Ramabadran 設計 DrivingBench，是要測試通用 AI 模型能否處理真實世界的駕駛任務，而不只是在模擬環境中表現良好。測試使用一架 Toyota Corolla，經 Comma 4 硬件及建基於 openpilot 的控制程式連接模型。每個模型最多可在同一段持續對話中嘗試三次，利用先前的結果調整做法。11
36
模型透過兩部鏡頭觀看路線，再逐個發出工具指令：observe 用來查看畫面和車輛數據、set_motion 控制轉向及速度、stop_now 則用來停車。場地是空置停車場；司機位一直有人，隨時可以踩煞車。團隊亦公開了測試錄影和指令紀錄。5
11
四個模型，只有一個到終點
Astra 首次嘗試走到路線 49% 便停下。研究人員叫它反思錯誤後，它在第二次嘗試用 5 分 22 秒 完成 134.7 米。連停車時間計算，平均速度約為每小時 0.94 英里；這是全程平均值，不代表車在每一刻都沒有超過每小時一英里。15
34
其餘三個模型都未能完成。Claude Fable 5.1 最遠走到 45%；Grok 4.6 和 GPT-5.6 Sol 的進展更少。相關報道指出，第一個彎位是常見的失敗位置。4
40 所謂「第一」，只限於這次已公布的比較，並不代表所有商用模型或所有駕駛情況都經過測試。
11
14
行 134.7 米，模型費用幾多？
DrivingBench 的成功嘗試紀錄顯示，這一程用了 660 萬個 token，模型推理費用為 7.74 美元。單按這段路程換算，約為每英里 92.47 美元；這不是長途駕駛的實測成本，也未計車輛、硬件和人手監督。34
11
如果見到約 9.75 美元 的數字，不宜直接拿來比較：一份次級資料把它列作 Astra 兩次嘗試合計的約數，而 DrivingBench 的 7.74 美元是成功的第二次嘗試的紀錄。8
34
成功證明咗乜，未證明乜？
這次測試顯示，通用 AI 模型可以根據鏡頭觀察，透過工具指令控制真車，並在收到回饋後完成一項指定任務。這比只在模擬環境中成功更具體，但距離「可以放心自動駕駛」仍有很大分別。36
15
測試路線短、場地空曠、車速慢，而且有人隨時準備煞車。它沒有證明模型能可靠應付交通、在無人接管下處理突發情況，或以合理成本長時間行駛。較準確的理解是：這是一項在嚴格控制條件下的能力展示，不是成熟自動駕駛系統的替代品。5
11
34
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「GPT-6 Astra 駕真車行完測試路線，但離自動駕駛仍有距離」的簡短答案是什麼？
GPT 6 Astra 是 DrivingBench 四個受測模型中唯一完成路線的一個：第二次嘗試用 5 分 22 秒行完 134.7 米。[14][34]
首先要驗證的關鍵點是什麼？
GPT 6 Astra 是 DrivingBench 四個受測模型中唯一完成路線的一個：第二次嘗試用 5 分 22 秒行完 134.7 米。[14][34] 成功一程用了 660 萬個 token，模型推理費用為 7.74 美元；按該短途結果換算，約為每英里 92.47 美元。[34]
接下來在實務上我該做什麼？
測試在空置停車場以步行速度進行，司機位有人準備煞車；結果不能證明模型已可安全、經濟地自行在道路上行駛。[5][11][34]