نجح نموذج GPT-6 Astra من OpenAI في إكمال اختبار قيادة حقيقي على مسار بطول 134.7 متر داخل سيارة تويوتا كورولا 2022، مستغلاً 6.6 مليون توكن بتكلفة تتراوح بين 7.74 و9.75 دولار. التجربة، التي سُميت بـ DrivingBench، تهدف إلى إجابة سؤال بسيط: هل يمكن لنموذج لغة كبير أن يتحكم في مركبة فعلية؟
كيف أُجري اختبار DrivingBench
أدار الاختبار ثلاثة مهندسون من Axiom Math – أديتيا رامابدران، توبياس جيسلر، وسيمون ماهنز – بين 21 و24 سبتمبر 2026. استُخدمت سيارة تويوتا كورولا 2022 مزودة بنظام openpilot المفتوح المصدر من Comma.ai، الذي يترجم أوامر البرمجيات إلى تحكم في التوجيه والفرامل والتسارع. لم يلمس النموذج عجلة القيادة فعليًا؛ بل تلقى إطارات كاميرا وأرسل أوامر عبر طبقة «agent harness».
نتائج الاختبار بين النماذج
- GPT-6 Astra: أكمل المسار في المحاولة الثانية خلال 5 دقائق 22 ثانية.
- Claude Fable 5.1 (Anthropic): أقرب نتيجة، غطى 45 % من المسار في محاولته الثالثة.
- Grok 4.6 (xAI): وصل إلى 11 % فقط من المسار.
- GPT-5.6 Sol (OpenAI): فشل في إكمال أي جزء من المسار.
عادت معظم الإخفاقات إلى مشاكل في الإدراك المكاني؛ النموذج لم يتمكن من قراءة تخطيط الأقماع بدقة، مما أدى إلى تفسير خاطئ للخطوط.
التكلفة والقيود العملية
استهلكت الجولة الناجحة لـ Astra ما مجموعه 6.6 مليون توكن، ما يترجم إلى تكلفة تتراوح بين 7.74 و9.75 دولار (≈ 29 ر.س أو 28 د.إ). قبل بدء أي حركة، رفضت جميع النماذج القيادة حتى أعيد تسمية السيناريو بـ «sandbox»، أي بيئة تجريبية.
ما يعنيه ذلك للمطورين
برأينا، يُظهر الاختبار أن نماذج LLM لا تزال في مرحلة بدائية عندما يتعلق الأمر بالتحكم الفعلي في الأنظمة الميكانيكية. رغم أن Astra تمكنت من إكمال المسار، إلا أن الحاجة إلى إشراف بشري مستمر وتكلفة توكن مرتفعة تجعل التطبيق العملي غير واقعي بعد. المطورون الذين يخططون لاستخدام نماذج اللغة في مهام تحكم في الوقت الحقيقي سيحتاجون إلى تحسين قدرات الإدراك المكاني وربطها ببيئات محاكاة موثوقة قبل التفكير في نشرها في سيارات أو روبوتات.
المصدر: cryptobriefing.com