Бенчмарк DrivingBench проверяет, как ИИ-модели справляются с управлением реальным автомобилем. Предоставив доступ к рулю, педалям газа и тормоза арендованной Toyota Corolla, исследователи запустили GPT-6 Astra, Claude Fable 5.1 и Grok 4.6, дав каждой сети по три попытки.

Справилась с заданием только GPT-6 Astra, и то не с первого раза. Модель прошла 49% маршрута, затем проанализировала свои ошибки и успешно добралась от старта до финиша. Условия были облегченными: никаких посторонних, на медленной скорости и по хорошо размеченному маршруту.