Мир автономного вождения неожиданно пополнился новым участником, пришедшим не из цехов автогигантов, а из облачных дата-центров. Как сообщает издание The Register, флагманская языковая модель GPT-6 Astra от OpenAI успешно завершила тестовый заезд, управляя реальным автомобилем на импровизированном полигоне.

Группа исследователей в рамках проекта DrivingBench провела серию испытаний, где в роли водителя Toyota Corolla выступали коммерческие LLM. И если предыдущие версии, включая GPT-5.6 Sol, Grok 4.6 и Claude Fable 5.1, неизменно проваливали задачу, то Astra со второй попытки смогла преодолеть дистанцию в 134.7 метра за 5 минут и 22 секунды.

Техническая реализация этого «вояжа» напоминает конструктор для энтузиастов: ноутбук, устройство помощи водителю comma four с открытым ПО openpilot и мобильный телефон для связи с серверами xAI, где и живет модель. Весь процесс происходил на черепашьей скорости — в среднем около 1.5 километра в час, что, впрочем, не умаляет самого факта управления физическим объектом через текстовые инструкции и визуальный анализ.

Экономика и психология цифрового водителя

Главным препятствием для массового внедрения такого метода управления является вовсе не отсутствие прав у нейросети, а стоимость инференса. Заезд на 134 метра обошелся экспериментаторам в $7.74, что при конвертации в привычные единицы составляет примерно $92.47 за милю. Для сравнения: обычный бензиновый автомобиль тратит на ту же дистанцию около 18 центов, что делает ИИ-драйвера в 500 раз дороже топлива.

Любопытно, что исследователям пришлось столкнуться с неожиданным «сопротивлением» материала. GPT-6 Astra периодически отказывалась ехать, ссылаясь на протоколы безопасности, даже находясь на пустой парковке. Чтобы заставить модель работать, программистам пришлось пойти на хитрость: они переименовали сервер в DrivingBench Sandbox, убедив систему, что все происходящее — лишь виртуальная симуляция.

Использование универсальных LLM для управления авто — это впечатляющий Proof of Concept, но экономический абсурд. Задержка при обработке токенов превращает вождение в серию стоп-кадров, где «размышления» занимают 80% времени. Пока специализированные стеки вроде Waymo опираются на локальные вычисления, облачный инференс за 90 долларов за милю остается лишь дорогим аттракционом для проверки когнитивных способностей моделей.

В долгосрочной перспективе, как отмечают авторы работы Тобиас Гесслер и Адитья Рамабадран, индустрия может пойти по пути дистилляции. Огромные фронтирные модели будут выступать в роли учителей для компактных специализированных систем, способных работать локально на железе автомобиля. Это соответствует концепции «Горького урока» в ИИ: общие методы, опирающиеся на рост вычислительных мощностей, в итоге побеждают узкоспециализированные ручные настройки.

Тем не менее, пока что полноценное автономное вождение остается за специализированными системами, прошедшими миллионы километров реальных испытаний. Но сама возможность того, что модель, обученная писать стихи и код, способна разобраться в расположении дорожных конусов, заставляет задуматься о границах применимости современных технологий. Главное — не забыть сказать нейросети, что это всего лишь игра.