Создатели DrivingBench протестировали языковые модели на реальной Toyota Corolla 2022 года. Машина передавала моделям изображения с камер и телеметрию, а те управляли рулём, газом и тормозами.
Лучший результат показала GPT-6 Astra: со второй попытки она полностью прошла трассу из конусов длиной 134,7 метра за 5 минут 22 секунды. В первом заезде модель преодолела 49% маршрута, сохранила контекст и исправила ошибки во второй попытке.
Claude Fable 5.1 достигла 45%. Grok 4.6 и GPT-5.6 Sol не прошли первый поворот. Тест проводили на пустой парковке на скорости примерно с шагом человека; за рулём находился оператор, готовый затормозить.
DrivingBench проверял применение LLM планирования и инструментов в физическом мире.
Подпишись, тут про технолоджии.
P.S. Меня зовут Бедняков Артем, я разрабатываю backend-решения на Python любой сложности:
- REST API и микросервисы;
- агентные системы и AI-интеграции;
- Telegram-боты и Mini Apps;
- парсеры и автоматизация;
- интеграции с внешними сервисами и API;
- тестирование и CI/CD;
- DevOps и развёртывание;
- аудит и проверки безопасности.
Если вам нужна разработка или есть вопросы по реализации проекта — пишите мне в Telegram
Всегда рад обсудить задачу и помочь найти решение.
Также подписывайтесь на мой Telegram-канал IT POLICE, где я пишу о Python, backend-разработке, технологиях и кибербезопасности.