GPT-6 Astra lần đầu điều khiển được ô tô: Kết quả từ DrivingBench

Một bảng xếp hạng mới có tên DrivingBench vừa gây chú ý trong cộng đồng công nghệ khi công bố kết quả thử nghiệm khả năng lái xe của các mô hình AI hàng đầu. Đáng chú ý nhất là GPT-6 Astra — mô hình được cho là thế hệ tiếp theo của OpenAI — đã trở thành cái tên đầu tiên hoàn thành trọn vẹn một chặng đường đua với tỷ lệ tiến độ 100%.

Kết quả này đánh dấu bước tiến đáng kể trong việc ứng dụng các mô hình ngôn ngữ lớn vào điều khiển phương tiện, mở ra hướng đi mới cho lĩnh vực xe tự lái.

DrivingBench là gì và đo lường điều gì?

DrivingBench là một nền tảng đánh giá (benchmark) cho phép các mô hình AI điều khiển xe trong môi trường mô phỏng. Mỗi mô hình được trao tối đa 3 lượt thử trong cùng một phiên hội thoại liên tục, nghĩa là mô hình có thể rút kinh nghiệm từ lần chạy trước để cải thiện lần chạy sau.

Các chỉ số đánh giá chính bao gồm:

• Tiến độ (progress): Mô hình đi được bao xa dọc theo đường tâm của đường đua, trong khi vẫn giữ khoảng cách không quá 4 mét so với đường tâm. Nếu xảy ra va chạm, tiến độ sẽ dừng lại ở mức đạt được trước đó.
• Khoảng cách (distance): Quãng đường tính từ tốc độ GPS, được tổng hợp từ lệnh set_motion đầu tiên được chấp nhận cho đến khi kết thúc lượt chạy.
• Thời gian hoàn thành (finish time): Chỉ hiển thị với những lượt chạy về đích thành công. Ký hiệu DNF (Did Not Finish) nghĩa là không hoàn thành.
• Lệnh (commands): Số lần gọi set_motion và stop_now được chấp nhận trong suốt lượt chạy.
• Token và chi phí (tokens · cost): Tổng số token tiêu thụ và chi phí theo giá niêm yết, bao gồm cả phần phản tư (reflection) sau mỗi lượt.

GPT-6 Astra vượt trội hoàn toàn

Theo bảng xếp hạng, GPT-6 Astra (chạy qua Codex ở mức cấu hình medium) đạt kết quả vượt trội so với phần còn lại:

• Lượt 1: Chỉ đạt 49% tiến độ, đi được 67,3 mét rồi DNF, tiêu tốn 81,2 triệu token với chi phí 2,01 USD.
• Lượt 2: Hoàn thành 100% chặng đua, đi được 134,7 mét trong 5 phút 22 giây, tiêu tốn 246,6 triệu token với chi phí 7,74 USD.

Điểm đáng chú ý là mô hình đã học hỏi từ thất bại ở lượt đầu tiên và thành công hoàn toàn ở lượt thứ hai — minh chứng cho khả năng tự phản tư và điều chỉnh chiến lược dựa trên ngữ cảnh tích lũy.

Các đối thủ bám đuổi phía sau

Các mô hình khác trong bảng xếp hạng đều tỏ ra kém cạnh hơn đáng kể:

• Claude Fable 5.1 (Claude Code · medium): Đạt tiến độ cao nhất là 45% ở lượt thứ ba, nhưng cả ba lượt đều DNF. Chi phí dao động từ 0,96 đến 1,64 USD.
• Grok 4.6 (Cursor · medium): Tiến độ tốt nhất chỉ 11%, cả ba lượt đều DNF với chi phí khá rẻ (0,18–0,29 USD).
• GPT-5.6 Sol (Codex · medium): Kém nhất khi chỉ đạt 6% ở cả ba lượt, đều DNF.

Bảng xếp hạng hiện chưa công bố thêm nhiều mô hình khác, nhưng kết quả này cho thấy khoảng cách rõ rệt giữa thế hệ GPT-6 và các phiên bản tiền nhiệm.

Ý nghĩa đối với ngành xe tự lái

Việc một mô hình ngôn ngữ lớn có thể lái xe hoàn chỉnh trong môi trường mô phỏng mở ra nhiều câu hỏi thú vị:

• Khả năng suy luận không gian: AI không chỉ cần hiểu ngôn ngữ mà còn phải xử lý tọa độ, vận tốc và điều kiện đường sá theo thời gian thực.
• Chi phí vận hành: 7,74 USD cho một chặng đua 5 phút là con số đáng cân nhắc nếu triển khai trên quy mô lớn. Trong bối cảnh xe tự lái thực tế, chi phí tính toán cho mỗi km vẫn là bài toán hóc búa.
• Học từ lỗi lầm: Khả năng cải thiện qua từng lượt chạy cho thấy tiềm năng của các hệ thống AI agent tự phản tư trong các tác vụ phức tạp.

Đối với độc giả Việt Nam quan tâm đến xe tự lái và AI, DrivingBench là một chỉ dấu cho thấy các mô hình ngôn ngữ lớn đang dần vượt khỏi giới hạn "trò chuyện" để bước vào điều khiển thiết bị thực tế — một xu hướng mà các hãng xe trong nước như VinFast có thể sẽ phải theo dõi sát sao trong thời gian tới.

Để xem chi tiết từng lượt chạy, bao gồm cả bản ghi hành trình và video mô phỏng, bạn có thể truy cập trực tiếp vào bảng xếp hạng của DrivingBench.