Популярные LLM посадили за руль

Исследователи поочерёдно подключили четыре языковые модели к Toyota Corolla и попросили проехать трассу из конусов на парковке. AI получал кадры с камеры и данные о скорости, а затем отправлял команды рулю и педалям.

Длина маршрута — около 130 метров. Максимальную скорость ограничили до 3,5 м/с. Моделям давали три попытки, чтобы они могли учесть свои ошибки.

Всю трассу прошла только Astra, со второй попытки, за 5 минут 22 секунды. Fable 5.1 проехал 45% маршрута, Grok 4.6 — 11%, а GPT-5.6 Sol — 6%.

https://drivingbench.com/