独立研究项目DrivingBench公布实验：让GPT-6 Astra、Claude Fable 5.1、Grok 4.6和GPT-5.6 Sol分别控制一辆2022款丰田卡罗拉，在停车场内完成锥桶划定的固定路线。最终，GPT-6 Astra成为唯一完赛的模型。Claude Fable 5.1最好成绩45%，Grok 4.6为11%，GPT-5.6 Sol仅6%。
第二次尝试中，Astra完成134.7米路线，用时5分22秒，平均时速约1.5公里。有报道称其为“大模型第一次考过科目二”，但测试并非按驾照标准进行，场地也仅是空旷停车场。
测试车辆安装comma four设备接入CAN总线，底层控制基于开源辅助驾驶系统openpilot。摄像头画面和车辆状态实时传给大模型，模型可调用三个工具：观察环境、设定方向与速度、立即停车。Astra不直接生成方向盘扭矩或制动压力，更像坐在驾驶位上的“大脑”。
首轮测试中，Astra行驶67.3米，完成约49%路线，过弯后偏向左侧锥桶，安全员干预。研究人员未重开对话，而是让它复盘。Astra判断自己过早认为车辆已对正并提速至1.5米/秒，导致偏离后缺乏修正空间。第二次测试中，它再未让车速超过0.8米/秒，24次运动指令中20次使用100%转向请求，最终完赛，消耗约660万token，成本约7.74美元。研究人员认为这表现出上下文学习特征：模型未重新训练参数，而是依据首次驾驶信息调整了策略。
一个插曲是，Astra最初有时会拒绝控制真实车辆并给出安全理由。即便研究人员说明场地空旷、限速、有安全员，它仍可能拒绝。后来将连接车辆的MCP工具名称改为“DrivingBench Sandbox”（驾驶测试沙盒），拒绝现象明显减少。
不过，134.7米的成绩不能与城市NOA或Robotaxi相提并论。测试在封闭停车场进行，无行人、信号灯和复杂博弈；车速被严格限制；车内始终有安全员随时接管；前视摄像头存在盲区；每个模型仅进行一组连续上下文测试，样本量远不足以证明稳定驾驶能力。
OpenAI发布GPT-6 Astra时，并未将汽车驾驶列为核心应用。真正值得关注的是，通用大模型正在获得对真实物理世界的理解和操作能力。对于讨论世界模型、Physical AI和具身智能的汽车行业而言，未来决定汽车如何行动的模型，未必永远只来自传统自动驾驶技术体系。
