颠覆行业！GPT-6裸考通过真实汽车科目二考试

说起自动驾驶，大家脑海里浮现的，都是特斯拉、Waymo常年海量路测、无数公里真实路况数据堆出来的成果。行业里一直默认，想让汽车看懂路面、避开障碍，就得专门喂给模型海量开车视频和路况素材。但最近一场由三个湾区年轻人搞出来的趣味实测DrivingBench，彻底打破了这个固有印象。

几个顶尖通用大模型被塞进一辆租来的丰田卡罗拉里，在停车场锥桶赛道上考一场简化版科目二。没有专门学过开车的GPT-6Astra，成了全场唯一一个顺利跑完赛道、停进车位的选手，其余参赛的GPT-5.6Sol、ClaudeFable5.1、Grok4.6全部折戟。

它的胜利，不是高速上的炫酷行驶，而是慢悠悠的挪车。这场看似像极客玩闹的实验，却让整个自动驾驶圈开始重新思考：未来开车，还需要专门训练一套自动驾驶模型吗？

一、一场草根发起的AI驾考，参赛选手全是“文职AI”

DrivingBench算不上什么大厂重磅项目，只是三名湾区开发者利用业余时间搭建的测试。他们租下一辆2022款丰田卡罗拉，在车上加装售价999美元的commafour设备，搭载开源的openpilot系统。这套设备可以接管车辆方向盘、油门和刹车，再通过MCP工具协议，把车辆摄像头画面、车速、转向数据传给云端的大模型。

参赛的四个大模型，平时本职工作和开车毫无关系，写代码、处理表格、回答问题才是它们的主业，没有任何驾驶专项训练。测试场地选在湾区一处空旷停车场，赛道是倒U字形，总长约130米，彩色锥桶搭建出通道，终点是7×5米的停车区域。出于安全考虑，车辆最高速度被锁死，人类研究员坐在驾驶位，脚悬在刹车上方，随时可以紧急接管车辆。

每个模型拥有三次考试机会，三次测试在同一个对话窗口里连续进行。一旦考试失败，系统会把失败回放信息丢给模型，强制它复盘错误，下一轮可以吸取上一次的教训，就像驾校教练让学员考完复盘错题。

模型不会像人类司机一样实时操作，它在云端读取摄像头画面，输出转向、车速、指令时长，每一条指令还需要附带一段文字说明，解释自己这么操作的理由。整个链路依靠手机热点传输数据，模型思考的时候，车子还在继续向前移动，存在明显延迟。

二、考生百态：Astra拒考后逆袭，其他模型栽在看不懂锥桶

四个AI考生里，GPT-6Astra的故事最有意思。考试刚开始，它直接拒绝发车。哪怕研究员反复说明场地封闭、有安全保护、人类随时可以刹车，Astra依然拒绝操控真车，它认为直接控制实体汽车存在安全风险，就算签免责协议也不肯启动。

转机来得很简单，开发者把连接车辆的服务器名字改成了“DrivingBenchSandbox”，也就是沙盒测试环境。改名之后，Astra不再抗拒测试。至于为什么仅仅修改名称就能改变它的判断，研究团队至今没有完全搞清楚，推测是模型的安全对齐机制，看到沙盒这个词，就判定这是安全的虚拟测试场景。

不过Astra第一把考试依旧翻车。顺利转过第一个左弯后，它误以为车身已经完全摆正，提高车速，车辆慢慢向左侧花坛和锥桶偏移，研究员紧急踩下刹车，赛道只完成49%。复盘时Astra找到了自己的问题：太早判定车身对齐，而且只盯着画面中心，忽略车身整体宽度，画面中间空着，不代表整辆车都能安全通过。

第二次尝试，Astra调整策略，弯道和花坛附近车速严格控制在0.5到0.8米每秒，拿不准就停车观察，每五六秒重新读取路况，提前发送新指令。24条指令里，20次直接打满方向盘。它小心翼翼走完整条赛道，最后稳稳驶入锥桶围成的车位，用时5分22秒，完成全部134.7米路程，成为唯一通关的模型。

剩下三名选手，全部卡在理解锥桶边界这件基础任务上。GPT-5.6Sol靠颜色区分车道，把同一排边界上红绿锥桶当成左右两条边界，硬往两个锥桶中间钻，三次尝试最好成绩仅6%。Grok4.6复盘时道理说得头头是道，实际开车经常出现指令中断，车辆无人控制向前滑行，最高只完成11%赛道。

ClaudeFable5.1是进步最明显的一个，前两次连续认错车道边界，第三轮终于找对方向，顺利通过第一个弯道，一路开到赛道45%的位置，最后因为右转预留空间不足被迫终止。虽然没能完成全程，但它能吸收前两次的教训，不断修正判断。

三、龟速通关背后：成本惊人，但意义特殊

Astra这一趟满分驾驶，平均时速仅仅1.5公里，普通人散步的速度都比它快三倍。这次短短的测试，消耗了价值7.74美元的token，一共读取660万个token，其中模型自己输出的内容只有四千多个，绝大多数开销用来反复读取历史画面和对话记录。换算下来，每行驶一英里，成本高达92美元，是燃油车油费的500倍。

速度慢、成本高、还有巨大网络延迟，安全员必须全程待命，这些短板都说明，现在的这套方案完全没法直接上路商用。但它的突破性在于，没有用海量驾驶数据专项训练，一个通用大模型，仅凭日常聊天、写代码学到的推理和视觉理解能力，就能看懂物理空间，规划路线，完成实体车辆的基础驾驶任务。

过去二十多年，自动驾驶行业一直走的是专用模型路线。2004年DARPA首届无人车挑战赛，所有参赛车辆全部失败，现代自动驾驶就此起步。之后Waymo投入数百亿资金，依靠激光雷达与高精地图；特斯拉依靠全球车主积累的120亿英里真实驾驶数据，训练专属端到端自动驾驶模型。行业共识是，自动驾驶是独立任务，必须单独收集海量路况数据专门训练。

DrivingBench的实验，对这套固有思路提出挑战。如果通用大模型依靠通用推理能力，不需要海量驾驶素材，就能学会开车，那么多年来自动驾驶厂商辛苦搭建的数据护城河，价值就会被重新评估。不少行业人士提出观点，未来或许不会单独存在自动驾驶模型，通用智能成熟之后，开车只是它顺带完成的一项任务。

四、热闹归热闹，距离上路还有很远的距离

当然，我们不必高估这次测试的实际价值。这只是封闭停车场低速场景，没有行人、突发横穿车辆、雨雪、强光等真实道路复杂状况。云端大模型存在网络延迟，没办法应对路面上一秒出现的突发危险，这也是目前最大硬伤。专用车载自动驾驶系统每秒可以更新几十次控制指令，而Astra每隔数秒才做一次判断。

业内普遍认为，短期之内，这种云端调用通用大模型开车的模式，不会直接取代现有的车载自动驾驶方案。更有可能的落地路径，是把大模型学到的空间理解、推理能力蒸馏成小型模型，直接部署在车上本地运行，消除网络延迟。

DrivingBench团队在报告中也保持冷静，他们没有宣称通用大模型已经实现自动驾驶，仅仅给出一句话结论：前沿大模型，已经可以在低速条件下，操控真实车辆在现实环境中完成行驶。

二十多年前，DARPA挑战赛里无人车寸步难行，后来斯坦福团队拿下冠军，项目演变为Waymo。二十多年后的今天，一个原本用来写代码聊天的AI，慢慢把一辆真车挪进了停车位。这场停车场里的“科目二考试”，算不上成熟的自动驾驶产品，但它掀开了一扇新大门：AI理解物理世界的方式，正在悄悄发生改变。