一句话看懂：旧金山几位技术从业者把通用聊天大模型接上丰田卡罗拉的转向、油门和刹车，在公共停车场跑完了一条锥桶赛道。它证明的不是自动驾驶已经成熟，而是通用大模型在物理世界出现了未经专门训练的能力苗头。
事件核心：发生了什么
这个团队自称 DrivingBench，他们把 GPT-6 Astra、Claude Fable 5.1、Grok 4.6 和 GPT-5.6 Sol 接入一辆丰田卡罗拉，让模型直接控制车辆。测试场地是公共停车场里临时摆放的小型锥桶路线，团队公开了代码、提示词和实验视频。
结果并不整齐：Grok、Sol 和 Fable 只前进了几米，没能跑完全程；GPT-6 Astra 经过反复调试后完成了整条路线，包括此前没见过的弯道。参与者 Mahns 把它形容为“潜在涌现能力”的一次演示，同时也强调这并不等于通用大模型会取代 Waymo。
为什么重要
关键在于对比对象。Waymo 和特斯拉的自动驾驶系统依赖数百万小时专门采集的训练数据和定制化推理栈，而这次跑的只是运行在笔记本上的通用聊天模型，没有针对驾驶做专项训练。目前公开信息显示，这更像是一次低成本的能力探测，而不是可量产的技术路线。
它的行业意义在于提出一个问题：当大模型的通用推理能力外溢到物理执行层，自动驾驶的护城河究竟是数据规模，还是端到端控制与安全冗余？至少从这次实验看，通用模型具备一定的泛化纠错表现，但稳定性和可解释性远未达到上车标准。
对用户/开发者/创作者的影响
开发者可以关注团队开源的代码与提示词，理解“感知—决策—控制”如何用自然语言提示拼接，这类思路可能会被迁移到机器人、无人机和工业设备的低成本验证中。企业采购方则不宜据此调整自动驾驶预算，锥桶场地与真实道路的差距仍然巨大，安全冗余、算力部署和监管合规都是未解问题。内容创作者可以把它当作一个具体案例，用来讨论大模型从屏幕走向物理世界的边界，而不是简单渲染“AI 开车”的噱头。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 DrivingBench 是否会公布更多失败样本与安全干预记录；二是通用模型厂商是否会把具身控制列入 API 能力；三是 Waymo、特斯拉等真正做自动驾驶的公司会否回应这种“通用模型也能开”的对比叙事。
来源：Slashdot
