GPT-6 Astra, DrivingBench'in koni parkurunda gerçek bir Toyota Corolla kullanıyor

Ne oldu

DrivingBench adlı bir proje çarpıcı bir soruya yanıt arıyor: En gelişmiş yapay zekâ modelleri gerçek bir araç sürebilir mi? Projenin sitesine göre benchmark, modellere bir Toyota Corolla'nın direksiyonunu, gazını ve frenlerini kontrol etme yetkisi veriyor ve ardından konilerle işaretlenmiş sabit bir parkurda değerlendiriyor. Haber, 23 Eylül 2026'da Hacker News'in ana sayfasına taşındıktan sonra geniş bir şekilde yayıldı; çünkü en az bir model için cevap 'evet' görünüyor: GPT-6 Astra parkuru sürebiliyor.

Benchmark nasıl çalışıyor

Kontrol arayüzü bilinçli olarak yalın tutulmuş. Model aracı hareket ettirmek için set_motion çağrıları yapıyor, durdurmak için ise stop_now çağrısı kullanıyor; harness de bu komutlardan hangilerinin gerçekten kabul edildiğini kaydediyor. Puanlama parkurun orta çizgisine sabitlenmiş: Bir deneme yalnızca bu çizginin dört metre içinde kalınarak kat edilen mesafe için ilerleme puanı kazanıyor ve bir çarpışma, skoru çarpışma anına kadar elde edilen ilerleme düzeyinde donduruyor.

Mesafeler GPS ile ölçülen hızın integrali alınarak hesaplanıyor; bitiş süreleri ise ilk kabul edilen set_motion çağrısından denemenin son angajmanının sonuna kadar ölçülüyor. Bitiş bölgesine hiç ulaşamayan denemeler DNF olarak işaretleniyor. Sonuçlar deneme başına ilerleme, mesafe, bitiş süresi, kabul edilen komut sayısı ile token ve maliyet üzerinden ayrıştırılıyor — fiyatlar liste fiyatları üzerinden hesaplanıyor ve modelin sürüşten sonra yaptığı bir reflection turu da dahil. Leaderboard'un yanı sıra site, deneme başına eval trace'lerini ve rota tekrarlarını (trajectory replay) ayrıca bir parkur gezgini yayımlıyor; böylece iddialar söylenene göre değil, incelenerek kabul edilebiliyor.

Direksiyonda GPT-6 Astra

DrivingBench'in ana sayfası bu çalışmayı açık bir soru olarak çerçeveliyor ve birden fazla gelişmiş modeli değerlendirmeye alıyor; yani GPT-6 Astra tüm gösterinin kendisi değil, yarışmacılardan biri. Ancak Hacker News gönderisinde de vurgulanan ve ilgiyi çeken sonuç, GPT-6 Astra'nın sabit parkuru sürebildiğinin somut olarak gösterilmesi — bir metodoloji sayfasını ana sayfa haberine dönüştüren detir bu. Leaderboard puanları taşıyor; trace'ler ve tekrarlar ise kanıtı.

Neden önemli

Bu, fiziksel yapay zekâ için temiz bir veri noktası. En gelişmiş modeller kağıt üzerinde genel amaçlı olsa da değerlendirmelerin çoğu ekran sınırları içinde kalıyor. Bir modeli ticari bir aracın aktüatörlerinin kapalı çevrim kontrolüne sokmak bambaşka bir rejimi sınıyor: gerçek araç dinamiği, gecikme ve fiziksel sonuçlar altında algının eyleme dönüşmesi.

Bu aynı zamanda otonom sürüş endüstrisinin çalışma biçimiyle bir tezat oluşturuyor. Üretim aşamasındaki robotaxi programları, muazzam mesafeler boyunca ince ayar yapılmış özel amaçlı algılama ve planlama yığınları çalıştırıyor; DrivingBench ise genel amaçlı bir modelin sıradan bir araçla ve kısa bir komut sözlüğüyle neler yapabileceğini soruyor. Bu, mühendislik olgunluğunu değil genelliği ölçüyor — ve bu iki soru sıklıkla birbirine karıştırılıyor.

Puan kartı ayrıca ekonomiyi standartlaştırıyor. Deneme başına token sayısını ve dolar cinsinden maliyeti, reflection dahil, yayımlamak, gömülü yapay zekâyı salt bir yetenek iddiası olarak değil, birim fiyatı olan bir hizmet olarak ele alıyor.

Ve güvenlik tüm tasarımı şekillendiriyor. Bir aracın frenlerine erişimi olan model, hataları fiziksel sonuçlara dönüşen bir modeldir. Sabit koni parkuru, dört metrelik ilerleme koridoru ve modelin çağırabileceği stop_now riski sınırlıyor ve başarısızlıkları okunur kılıyor — bir çarpışma puanlamayı çarpma noktasında bitiriyor ve tekrar izlemesi tam olarak ne olduğunu gösteriyor.

Son olarak, sürekli güncellenen bir leaderboard olarak DrivingBench, her yeni nesil gelişmiş modelin koni parkurunu takip etmekten trafiğin olduğu herhangi bir yere emanet edilmeye giden boşluğu ne kadar hızlı kapattığını izleyebilecek.