大语言模型能不能直接开车？最近一项名为DrivingBench的实测给出了阶段性答案：在封闭停车场赛道上，GPT-6 Astra成为唯一跑完全程的模型，而Claude Fable 5.1和Grok 4.6的最好成绩分别只有45%和11%，均在第一个弯道附近就败下阵来。

一、DrivingBench实测：三款模型驾驶成绩分化明显

测试背景：由3位研究员发起的DrivingBench项目，将一辆丰田卡罗拉(配置|询价)的方向盘、油门与制动权限直接开放给大模型，在湾区一处停车场用锥形桶布置出134.7米测试路线，包含左转入口、长直道与连续右转等场景。

成绩对比：Claude Fable 5.1三次尝试的进度分别为9%、10%和45%，最好成绩止步于45%；Grok 4.6三次尝试分别为8%、11%和10%，基本在第一个弯道就失败；GPT-6 Astra在第二次尝试中以5分22秒跑完全程，唯一达成100%进度。

操作闭环：模型通过聊天应用发出指令，经MCP服务器、网关和Comma设备，最终由openpilot控制转向、油门和刹车，车辆摄像头画面与遥测数据实时反馈给模型，用于下一次决策。

二、延迟与成本：通用大模型开车面临的两道硬门槛

延迟瓶颈：云端大模型需要将图像上传至服务器并等待指令返回，每次决策存在数秒推理延迟。专业驾驶模型openpilot以20Hz频率更新目标曲率和加速度，而云端模型像“每隔几秒才看一眼手机的司机”，难以应对突发路况。

成本高昂：Astra跑完135米耗时超过5分钟，消耗约660万token，费用达7.74美元，平均速度仅0.42米/秒。换算下来，每公里驾驶成本高达数十元人民币。

语义理解优势：尽管性能受限，大模型的语义理解能力仍是传统几何模型的补充——它能识别“孩子准备把模型飞机扔向马路”这类需要常识判断的复杂场景。

三、当前结论：通用大模型能“摸方向盘”，但暂不具备上路条件

能力验证意义：DrivingBench证明了通用大模型具备空间推理和物理控制能力，但现阶段更像“智力证明”，而非合格司机的检验。

量产方向明确：业内普遍认为，能量产的仍是专用VLA（视觉语言动作）模型，而非通用聊天模型直接开车。国内商汤与东风已量产一段式端到端生成式智驾，元戎启行与高通的VLA模型也已上车，实现车端推理、无网络依赖。

未来路径：随着模型蒸馏技术发展，将万亿参数模型浓缩进10B规模的本地芯片，实现低功耗、超低延迟的车端推理，或是通往高阶自动驾驶的可行路径。