GPT-6 Astra jako jedyny model AI pokonał trasę w prawdziwym samochodzie
GPT-6 Astra jako jedyny model AI pokonał trasę w prawdziwym samochodzie
Zespół DrivingBench przetestował cztery modele AI w sterowaniu Toyotą Corollą. Tylko GPT-6 Astra zdołał ukończyć wyznaczony tor.
Zespół DrivingBench podłączył cztery modele sztucznej inteligencji do układu kierowniczego, pedału gazu oraz hamulca w Toyocie Corolli z 2022 roku. Pojazd poruszał się po torze oznaczonym pachołkami na pustym parkingu, a modele otrzymywały obrazy z kamer i wydawały komendy za pośrednictwem narzędzi sterujących.
Astra okazała się jedynym modelem, który dotarł do mety. W pierwszym podejściu pokonała 49% trasy, następnie przeanalizowała swój błąd i ukończyła tor w drugim podejściu w czasie 5 minut i 22 sekund. Najlepszy wynik Claude Fable 5.1 wyniósł 45%, podczas gdy Grok 4.6 i GPT-5.6 Sol nie zdołały nawet pokonać pierwszego zakrętu.
Przez cały czas za kierownicą siedział człowiek, gotowy do natychmiastowego naciśnięcia hamulca. Autorzy przeprowadzili tylko jedną serię prób dla każdego modelu, więc wynik nie świadczy o niezawodności drogowej. Eksperyment ten dowodzi jednak, że uniwersalny model jest zdolny do sterowania fizycznym pojazdem i korygowania swoich działań w trakcie wykonywania zadania.
Dlaczego to ważne
AnalizaEksperyment potwierdza, że współczesne multimodalne modele ogólnego przeznaczenia potrafią skutecznie sterować złożonymi systemami fizycznymi w czasie rzeczywistym, adaptując się do błędów w trakcie ich występowania.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
GPT-6 Astra: przewodnik po nowym modelu OpenAI
Pełny przegląd flagowego modelu GPT-6 Astra: architektura agentowa, możliwości Computer Use, kodowanie w Codex, benchmarki cyberbezpieczeństwa, niuanse promptowania oraz przewodnik po migracji API.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).
Model decyzyjny Jev
Jev to komercyjny, nieautoregresyjny model System 1 od TypeSafe AI, przeznaczony do szybkich, typowanych decyzji w pętlach agentowych. Zwraca zwalidowany obiekt decyzyjny w czasie 70–500 ms przy koszcie około $0,042 za 1 mln tokenów wejściowych, eliminując halucynacje składni JSON oraz opóźnienia routingu w stosach ReAct/Tool Calling.
MCP (Model Context Protocol)
Otwarty standard firmy Anthropic oparty na JSON-RPC 2.0, służący do ujednolicenia dwukierunkowego połączenia asystentów AI z narzędziami zewnętrznymi, bazami danych i środowiskiem systemowym.