GPT-6 Astra 云驾驶真车过锥桶赛道，Claude 与 Grok 全军覆没

DrivingBench 公开完整评测结果：让四个通用大模型通过 comma 的 openpilot（999 美元）接管一辆租来的丰田卡罗拉，经 MCP 接口在云端「云驾驶」，完成全长约 130 米的科目二式锥桶赛道。GPT-6 Astra 在第二次尝试中以 5 分 22 秒完成赛道，Claude 与 Grok 全军覆没。每模型在同一连续对话中获得 3 次尝试，依赖上下文学习。若结论成立，通用模型或已无专项训练即涌现真实驾驶能力，引发对自动驾驶技术路线的重新审视。

已确认

• DrivingBench 公开了各模型的完整测试结果：通过 openpilot 接管真车，赛道约 130 米，每模型在同一连续对话中有 3 次尝试。
• GPT-6 Astra 第二次尝试以 5 分 22 秒通过锥桶赛道；Claude 与 Grok 未能完成。
• Astra 似乎在未经驾驶领域专门训练的情况下完成了驾驶任务。

尚未确认

• Ben Todd 分析认为，Astra 的预训练数据中可能已包含驾驶与机器人数据，甚至可能有 RL 成分，但推测训练应全在虚拟环境完成、不太可能让真车上路；这一归因尚属推测。
• 有 Substack 评论（经 Ben Todd 转发）质疑绕锥评测「阶跃式提升」的说法：评分按 3 次尝试中沿赛道走多远计分，而赛道难度并非递增、实际只有少数几个卡点，成绩跃升的解释存疑。
• Ben Todd 判断该能力不像 Waymo 和 Tesla 那样依赖大量人工规则与针对性工程，此对比为其个人观点。

为什么重要

• 若通用模型确能无专项训练地涌现驾驶能力，将再次印证规模化通用路线对领域专门训练的碾压，paulnovosad 转发时也感叹「苦涩的教训越来越苦涩」，对自动驾驶行业技术路线选择有直接启示。
• 评测首次把通用大模型接入真实车辆并在物理世界完成驾驶任务；Claude 与 Grok 的集体失败也显示该能力目前仍局限于头部模型。
• 围绕评测方法论的质疑提醒业界：涌现式能力声明需要更严谨的评分设计与难度控制来支撑。

2026-09-23 ~ 2026-09-25 · 6 条相关

• 【源头】Gemini Astra 疑似无专门训练即获驾驶能力，DrivingBench 实测公开 — ben_j_todd · 2026-09-23
• Ben Todd：Google Astra 未经专项训练突然「学会」开车 — ben_j_todd · 2026-09-23
• ben_j_todd：模型驾驶能力突现，OpenAI 或已用虚拟 RL 训练 — ben_j_todd · 2026-09-24
• 【源头】绕锥评测成绩被质疑误导：三段式计分与难度递增假设存疑 — ben_j_todd · 2026-09-24
• Bitter Lesson 再应验:Astra 无需专门训练即可驾驶汽车 — paulnovosad · 2026-09-24
• 【源头】GPT-6 Astra 首次开真车过「科目二」，Claude/Grok 全军覆没 — 新智元 · 2026-09-25