今天刷到一个正经有意思的选题：大语言模型能不能直接开车？

这是一个由 3 位研究员 Aditya Ramabadran、Simon Mahns 和 Tobias Gessler 发起的项目，核心问题是，大语言模型能不能直接控制一台汽车在现实世界中完成驾驶任务？

项目叫 DrivingBench，他们的实验设备是一台丰田卡罗拉，一个 Comma 4 的 openpilot，通过 OBD-C 线连接到 CAN 总线。

用一台笔记本和Comma 4，通过手机热点 WiFi 通信，测试的模型就在原生聊天应用里，GPT 就用 Codex、Claude 就用 Claude Code、Grok 就用 Cursor。

实验场地是湾区的一个停车场，用迷你锥形桶布置，总长 134.7 米，包含左转弯入口、长直道 + 轻微弯道、右转、再右转、停车终点区。对人类来说是一个非常简单的驾驶任务。

整个控制闭环是模型发出指令 → MCP 服务器 → 网关 → Comma → openpilot 控制转向/油门/刹车。

车辆的实际响应会反馈给模型（摄像头画面 + 遥测数据）。

每个模型可以最多尝试 3 次，全部都在同一个连续聊天的上下文中进行，专门测试上下文学习能力。

测试失败后，人类操作员发送固定的「反思提示」，让模型总结错误；车辆复位后发送「继续提示」，开始下一次尝试。

实际结果是，只有 GPT-6 的 Astra 的第 2 次尝试 100% 成功，也就没有第 3 次了。耗时 5 分 22 秒，共发出 24 条命令。

Claude Fable 5.1 第 1 次尝试进度 9%，第 2 次 10%，第 3 次提高到 45%，这也是 Claude 的最好成绩了。

Grok 4.6 尝试 3 次分别是 8%、11% 和 10%，基本在第一个弯道就挂掉了。

这个项目和常规的仿真器驾驶或评估机器人抓取任务的本质区别是：DrivingBench 同时考验感知、规划、控制、延迟处理以及对现实物理反馈的适应能力。

这让我想起了 John Carmack 融了 2000 万美金做 AGI 后，第一个项目是物理雅达利，用几个机械臂、摄像头直接控制一台雅达利游戏机打游戏。（http://t.cn/AXOFF2fM） http://t.cn/AXOFFUOa