美国湾区一个空旷的停车场里，一辆2022款丰田卡罗拉在锥桶之间慢慢挪动，速度比人散步还慢。

驾驶座上坐着一个人，不打方向，也不踩油门，右脚一直悬在刹车上方。方向盘时不时自己转动一下。

5分22秒后，车开进了终点，一片用蓝色锥桶围出来的区域。

全程约130米，开车的是OpenAI在9月初发布的GPT-6 Astra。

这是独立测试DrivingBench9月21日公布的结果。四个参测的前沿通用大模型里，只有Astra跑完了全程。

但无论如何，通用大模型都能开车了，那会不会砸掉智驾行业的饭碗？

▍从拒绝上车到跑完全程

DrivingBench是三位独立开发者搭起来的，代码开源，和OpenAI、comma.ai以及丰田都没有合作关系。为了找场地，他们派ChatGPT和Grok的智能体去翻谷歌地图的卫星图，还先后被两个停车场赶了出来。

最后，他们在一个停车场里用小锥桶摆出一条倒U形赛道。车上装着comma.ai的comma four设备，运行开源辅助驾驶软件openpilot。

所以这场试驾，大模型能做的只有三件事：看摄像头，下指令，紧急停车。

但麻烦发生在上车前。

几个模型均以安全为由，拒绝了驾驶真车。即便研究者告诉模型：停车场里没有别的车，并且车速被压到最低，驾驶座上的人随时准备刹车，但都不管用。

于是研究者说：这是一场模拟。有时管用，可一旦模型看到摄像头传回的真实画面，又慌了。

最后的办法是：把连接车辆的工具服务器改名为“DrivingBench Sandbox”（沙盒），模型从此稳定地开起了车。

当模型真正上了车以后，一排斜着摆放的锥桶真正拦住它们。

模型会思考车道到底在它的哪一侧？思考时车不会停，而是按上一条指令接着走。每次失败后要写一段反思再重来，最多三次。

大多数尝试都没能开过第一个弯。

GPT-5.6 Sol以为锥桶颜色能标出边界，三次都停在6%的里程。

Grok 4.6在反思里写“车比摄像头里看起来更宽”，最远只走到11%。

Claude Fable 5.1想得太久，有一次190秒里车只开了31秒，最好也只走到45%。

它们的问题不是在控制，而是在感知，因为它们无法根据摄像头信息来判断车道在哪一侧。

GPT-6 Astra第一次也只走了一半的里程。它在反思里承认自己“过早地判定车身已经摆正”，还一度把车速提到每秒1.5米，后面开始在弯道附近放慢，每段指令缩短。

最终它以5分22秒开完了134.7米，全程花了660万token，按官方标价约7.74美元。

▍握方向盘的，其实是openpilot

需要强调的是，这次的驾驶测试，真正操作方向盘的，是openpilot。

驾驶座上的人只是每次在开始前按下方向盘上的“RES”键，以及右脚全程悬在刹车上方（在车要出界或撞上障碍物就踩下去）。

openpilot是comma.ai开发的开源辅助驾驶软件，平时靠自己的视觉模型实现车道居中和跟车，属于L2级辅助驾驶。

在这次测试里，“往哪开、开多快”交给了大模型，剩下的仍由openpilot和车辆完成。

假设大模型下令：左转，幅度60%，每秒1米，持续10秒。

研究者编写的控制程序会把60%换算成108度的方向盘目标转角。接下来openpilot再按这台车的转向比，把它变成约7.8度的车轮转角。再通过CAN总线不停地向车辆发送转向力矩指令，由车上原有的电动助力转向电机把方向盘转过去。

车速则变成加速度请求，交给自适应巡航去控制油门和刹车，10秒一到就刹车。

在这个过程中，openpilot每秒要和车辆通信100次，Astra每五六秒才看一次路，这中间openpilot已经和车辆来回了五六百次。

所以，这趟行程的分工是：Astra看画面、定方向和车速，openpilot把目标变成动作、在Astra思考时稳住车，人负责起步和兜底。

▍通用模型如何分走智驾生意

客观来说，这次测试虽然顺利开了下来，但离日常驾驶仍然很远。

Astra每五六秒才看一次路，即便是时速60公里的车，五秒时间里已经跑出了83米。而真实道路上的前车急刹、行人横穿等突发状况，都不会等它想清楚再发生。

所以通用模型目前对现在的智驾模型还不会造成冲击，不过它可以先在研发阶段帮忙。

通用模型已经从大量图文中学到识别物体、理解场景的能力和常识，车企可以借这些能力，教驾驶模型看懂更复杂的路况。

比如前方一辆车着火，模型除了看出旁边有没有空位，还要知道火灾可能带来危险，需要考虑绕行或掉头。

Waymo用Gemini帮助训练专门理解驾驶场景的模型，再把大型驾驶模型的能力“蒸馏”给车端小模型，这样在实际开车时就能自己判断路况，不必再连云端问Gemini了。

英伟达的Alpamayo 1则是带推理能力的VLA模型（视觉、语言、动作），像一位用行车录像教学的驾校教练，能够根据道路视频，提出车辆接下来怎么走，并解释理由，车企可以拿着这些示范去训练自己的车端模型。

阿里的Qwen-Drive-1.0则是完全反过来，直接在预训练大模型（Qwen3.5-4B原生多模态VLM）的基础上，外挂两个专门的智驾模块（做3D空间感知的BEV感知头和负责运动规划的Planning Expert），从而实现驾舱一体——既能开车，又擅长聊天，不过目前还是实验室级别（4B级）。

所以通用模型对智驾市场真正的影响是把训练的价格打了下来。

先行者们砸了几十亿成本才获得的能力，后来者可以通过通用大模型低成本获得，从而把重心放在装车的工程调试上。

▍谁来交付可靠的驾驶

回到那辆卡罗拉。Astra负责看画面、判断往哪走，研究者编写的控制程序负责翻译指令，openpilot负责控制转向和加减速，驾驶座上的人负责按键启动，并随时准备刹车。

这次只是验证了通用模型能够完成一次低速驾驶任务，距量还很遥远。

所以这130多米还不足以断言智驾行业会被取代，它真正改变的是智驾模型的研发——当一部分基础能力可以从外部获得，智驾公司的重心也许更多会放在适配和验证等工程侧，这才是真正有本钱端稳这碗饭的重点。

返回第一电动网首页 >