OpenAI 的 GPT-6 Astra 完成駕駛測試，但代價高昂且速度緩慢
為何重要
這項實驗驗證了 「Bitter Lesson」 在自動駕駛的殘酷現實——通用模型賦予系統泛用認知能力，但目前的算力成本與延遲使其無法像人類司機般即時操作車輛。除非透過模型擠壓技術將能力匯出至邊緣裝置，否則高需求的即時控制場景短期內仍需仰賴專用驅動晶片。
研究團隊的 DrivingBench 基準測試中，GPT-6 Astra 成為首個在駐車場考取汽車駕照（模擬路考）的商業大型語言模型，完勝 GPT-5.6 Sol、Grok 4.6 與 Claude Fable 5.1 等競品。
- 行車表現：Astra 在第二次嘗試中，於 5 分 22 秒內行駛 134.7 米（平均時速約 0.94 英里/小時），克服了模型拒絕操作的安全機制。
- 成本極高：僅該次行駛的 Token 推理成本即約 7.74 美元，若加上 999 美元的 Comma 4 硬體及車輛成本，遠超傳統燃油成本的 500 倍。
- 技術瓶頸：主要障礙在於模型延遲與「思考時間」過長，研究顯示這類通用模型雖具備泛用感知與規劃能力，但在低延遲的即時控制場景下仍不如專用模型。