Самый удивительный бенчмарк на моей памяти – DrivingBench – ChatGPT, Claude и Grok дали контроль над настоящей Toyota Corolla – было три попытки – GPT-6 Astra в первый раз справилась на 49%, ей дали поработать над ошибками и попробовать снова, во второй раз результат был 100%, другим моделям не хватило и трёх раз