GPT-6 Astra成功开车买汉堡！AI驾驶实验揭秘三大模型表现

2026年10月7日，加州湾区——三位AI工程师做了一件看似疯狂的事：他们让大语言模型（LLM）驾驶一辆2024款丰田卡罗拉，穿过In-N-Out快餐店的免下车通道，成功取到了午餐。这一实验不仅展示了AI驾驶的最新进展，更揭示了语言模型开始获得对物理世界的初步理解。据WIRED独家报道，这次操作的主角是OpenAI的GPT-6 Astra，而Anthropic的Claude Fable 5.1和xAI的Grok则未能完成全程。

明星妆容

实验起源：从聊天到开车

Aditya Ramabadran、Simon Mahns和Tobias Gessler是AI初创公司Axiom的工程师。一个周末，他们注意到像GPT-6 Astra这样的模型能构建复杂的三维模拟，便突发奇想：这种能力能否迁移到现实世界导航？Ramabadran对WIRED说：“我们都住在湾区，每天看到特斯拉和Waymo，所以可能潜意识里就想试试。”他们首先用Grok测试，但模型拒绝执行——它回复“我可以解读道路图像，但无法向实体汽车发出运动指令”。通过精心设计的提示词，他们最终“说服”了模型。GPT-6 Astra被连接到一个服务器，服务器与挡风玻璃上的摄像头和汽车的动力转向系统相连。安全驾驶员始终将脚悬在刹车上方以防万一。

明星美照

三大模型驾驶能力对比

三位工程师在停车场设置了一个简单赛道，并用DrivingBench基准测试了三个前沿模型的表现。结果令人惊讶：只有GPT-6 Astra以极慢速度完成了全程；Claude Fable 5.1只完成了45%的赛程；Grok则只完成了11%。尽管表现参差不齐，Ramabadran指出模型似乎能实时调整和修正错误：“它们真的在根据自身错误进行上下文学习，逐渐熟悉操控。”下表总结了三个模型的驾驶能力对比：

明星写真

模型	开发者	完成赛道百分比	平均速度 (km/h)	是否完成取餐

---	---	---	---	---

GPT-6 Astra	OpenAI	100%	5	是

Claude Fable 5.1	Anthropic	45%	3	否

Grok	xAI（SpaceX）	11%	2	否

物理推理：大语言模型的新前沿

今天的AI模型在文字、代码甚至自主执行虚拟任务方面表现出色，但一旦进入现实世界，它们往往手足无措。尽管有声音宣称通用人工智能（AGI）已经到来，但AI公司显然将物理推理视为未征服的疆域。Elorian AI的CEO Andrew Dai（前Google DeepMind研究员）表示：“更好的视觉推理将开启许多新应用，比如判断餐厅食客是否满意，或者让机器人在家庭中工作。”他补充说：“对于机器人技术来说，物理推理是必不可少的。没有这个，你无法想象家庭机器人。”Scale AI和Elorian最近发布了名为“Humans' Sixth Sense”的新基准，专门衡量模型理解物理场景的能力。Scale AI研究科学家Xingang Guo说：“大多数视觉AI研究是关于感知的。我们想知道模型要真正直观地理解一个场景需要什么——就像人不用思考就能做到的那样。”

明星私服

DrivingBench：量化AI驾驶能力

Ramabadran、Mahns和Gessler在实验后发布了DrivingBench基准测试，用于量化模型在简单封闭场地内的驾驶能力。该基准要求模型在停车场内自主绕圈，记录完成率、速度和错误次数。结果凸显了当前模型在物理执行上的巨大差距。Mahns告诉WIRED：“这种能力可能是随着模型多模态训练规模扩大而涌现出来的。”他指出，模型现在接受图像、视频和3D模型训练，这些输入可能无意中赋予了它们空间推理能力。但他也强调：“这离通过驾照考试还差得远。”

明星素颜

安全考量与潜在风险

尽管实验中没有发生危险事故，三位工程师承认让通用模型控制一辆重达两吨的钢铁机器是高风险行为。他们设置了多重安全措施：安全驾驶员始终准备干预，汽车动力转向系统通过软件限制角度和速度。Ramabadran说：“我们很谨慎，因为模型一旦误判就可能撞到树或路灯。”WIRED指出，随着物理理解能力的提升，AI模型可能以令人印象深刻但也危险的方式进入现实世界。目前，所有大型AI公司似乎都在改善最新模型的空间推理能力，但工程师们怀疑它们并未专门训练驾驶技巧——这更像是多模态训练带来的“涌现能力”。

专家观点与现实应用前景

Elorian AI和Scale AI的专家认为，这类实验证明了语言模型在物理世界中的潜力，但离商业化距离尚远。Andrew Dai说：“我们需要让模型不仅‘看’到场景，还要‘理解’物理交互——比如知道一个玻璃杯掉下来会碎，或者一个球被推动后会滚动。”Xingang Guo补充：“我们现在用基准测试来衡量模型，但最终目标是让它们像人类一样直觉地感知环境。”对于Ramabadran等人，这场买汉堡的实验只是一个开始。他们计划继续改进DrivingBench，并探索能否让AI在更复杂的城市道路上行驶。不过，他们强调自己并非要取代Waymo这样的自动驾驶公司，而是想揭示大语言模型在现实世界中日益增长的能力。

FAQ

Q1: AI驾驶试验中，GPT-6 Astra真的完全自主完成了取餐吗？

A1: 是的。根据WIRED的报道，工程师们将GPT-6 Astra通过聊天界面连接到服务器和车载系统，模型自主控制了方向盘和加速，沿车道缓慢行驶到外卖窗口。安全驾驶员仅在最后阶段保持警惕，但模型全程未出现危险行为。不过，整个速度极慢（约5 km/h），相当于人慢走的速度。

Q2: 这次实验意味着大语言模型很快就能取代人类驾驶员吗？

A2: 远非如此。尽管GPT-6 Astra展示了基本导航能力，但DrivingBench基准显示，即使是表现最好的模型也只能在封闭停车场以极低速度行驶。Claude和Grok甚至无法完成半圈。工程师们指出，当前模型缺乏对复杂交通场景、行人意图和突发事件的推理能力。这个实验更重要的意义在于揭示多模态训练带来的意外能力，而非直接用于自动驾驶。

总结与展望

三位AI工程师用一次买汉堡的疯狂实验，展示了前沿大语言模型正在获得对物理世界的基本理解。GPT-6 Astra成功驾驶丰田卡罗拉完成取餐，而Claude和Grok表现不佳。尽管离实用自动驾驶还有遥远距离，但这一成果为AI物理推理研究提供了新方向。随着多模态训练和空间推理能力的提升，我们可能很快看到AI模型以更安全、更智能的方式融入现实世界——但在此之前，安全始终是第一考量。