DrivingBench: ИИ-агенты провалили тест на вождение, GPT-6 Astra прошёл трассу

Исследователи создали DrivingBench — тест, в котором Claude, GPT и Grok управляют Toyota Corolla по размеченной конусами трассе через Comma и OpenPilot. Из 11 заездов восемь провалились на первом повороте, Grok сразу уехал с трассы, и лишь GPT-6 Astra прошёл маршрут со второй попытки за $7,74.

• 11 заездов четырёх ИИ-агентов: восемь не прошли и 11% трассы
• Grok съехал с трассы на втором шаге, приняв разрыв в конусах за ворота
• GPT-6 Astra прошёл трассу со второй попытки, потратив $7,74
• Один GPT-выдумал правило о цвете конусов, которого не было в задании