DrivingBench informó de que GPT-6 Astra fue el único de los cuatro modelos con una ejecución completada en una prueba con un Toyota Corolla. Su segundo intento alcanzó el 100 % de progreso y terminó en 5 minutos y 22 segundos; Claude Fable 5.1, Grok 4.6 y GPT-5.6 Sol no completaron sus recorridos registrados.
DrivingBench publicó el anuncio de la prueba el 21 de septiembre de 2026. La fecha del ensayo físico no está precisada.
Cómo se realizó la prueba
DrivingBench situó el coche en un recinto vacío y limitó su velocidad mediante software a 12,9 km/h. Una persona permaneció en el asiento del conductor, pero no dirigió el vehículo.
El proyecto identificó comma 4 como la interfaz que accionaba la dirección, el acelerador y el freno a través del bus CAN del coche. Los modelos enviaban órdenes mediante herramientas MCP en Codex, Cursor o Claude Code.
Qué mide el porcentaje de progreso
El porcentaje indica cuánto avanzó cada modelo por la línea central del recorrido, siempre que el coche se mantuviera a menos de cuatro metros de esa línea. DrivingBench registra por separado la distancia recorrida según el GPS; no es la medida que refleja la tabla.
Cada modelo tuvo hasta tres intentos dentro de un mismo chat. Los intentos posteriores seguían instrucciones para reflexionar sobre lo ocurrido y continuar, así que no eran sesiones independientes desde cero.
El mejor progreso registrado por modelo
| Modelo | Mejor progreso sobre la línea central |
| GPT-6 Astra | 100 % |
| Claude Fable 5.1 | 45 % |
| Grok 4.6 | 11 % |
| GPT-5.6 Sol | 6 % |
GPT-6 Astra llegó al 100 % en su segundo intento, con un tiempo registrado de 5:22. Su primer intento alcanzó el 49 %; el tercero no se realizó.
El alcance de la prueba
Los porcentajes comparan el avance de los modelos en ese recorrido controlado. La prueba se hizo en un recinto vacío, con la velocidad limitada por software y una persona en el asiento del conductor; no evaluó la conducción en vías públicas.
