特斯拉Roadster用强化学习飞得比GPT-6

上周四（10月15日），特斯拉新款Roadster从一道弯曲的跳台上冲下，车头朝下翻转，在空中直立，然后落地。 接着它使用推进器跳过了 Cybertruck。 原来未来真的有飞行汽车。 这次演示原本因“大风”（埃隆·马斯克在X上表示）推迟了两周。 这让我们想：如果驾驶座上是一个语言模型，在风中汽车的表现会如何？ 我们围绕一个飞行Roadster的物理模拟器构建了一个强化学习环境，将控制权交给大型语言模型，并加大风力。

我们让一些最新的最佳模型驾驶它：DeepSeek V4.1 Flash、Meta的Muse Spark Open、Reflection的Beam 1.0、NVIDIA的Nemotron 3.5 Super VL、TypeSafe的Jev 1.14，甚至OpenAI的GPT-6 Astra。 要求实时做决策，这些模型几乎每次飞行都坠毁：大多数模型每秒回答1到6秒，而汽车每0.2秒需要一个新的动作。 当我们暂停世界让模型尽可能长时间思考时，它们仍然输给我们用强化学习训练的一个4B模型。

风暴，33米/秒的风：DeepSeek，有无限时间思考，降落时倾斜并撞路。 我们强化学习训练的4B模型平稳降落。 要点：我们围绕一个带有四个空气推进器的飞行Roadster物理模拟器构建了强化学习环境，模拟了发布时的两个特技：跳台翻转和跳过Cybertruck的空翻。 一个LLM每0.2秒发出一个指令，而汽车持续移动。 最新的开源模型无法实时驾驶它。

DeepSeek V4.1 Flash、Nemotron 3.5 Super、Muse Spark Open和Beam 1.0每决策1到6秒，空翻成功率0%，跳台翻转成功率3%或更低。 GPT-6 Astra也未能成功降落。 强化学习后训练的4B模型成为我们的最佳驾驶员。 Qwen3-4B，训练费用约13美元，每0.09秒回答一次，实时空翻成功率90%。 世界暂停时，最好的开源模型DeepSeek V4.1 Flash成功降落87%，其他开源模型成功降落58%到62%。

甚至GPT-6 Astra也只成功降落74%。 一切都是开源的，你可以在没有GPU的情况下驾驶自己的模型（试试看）。 风暴空翻，每个模型保留384次飞行。 空心圆是无限时间思考的运行。 实时中，DeepSeek、GPT-6 Astra、Muse、Nemotron和Beam成功率为0%，强化学习训练的4B模型成功率为90%。 观看模型如何驾驶汽车。 选择一个特技、风力等级和一个模型，在保留场景中重放相同的飞行。 完整页面还显示了每0.2秒的驾驶员决策、模型看到的遥测数据以及每个回复的持续时间。

四个空气推进器将汽车升空，并在车头朝下时将其向下推。 汽车是一个刚体，4.5米长，干重2000公斤，模拟频率为500赫兹。 升力来自车底角落的四个冷气体推进器。 每个推进器可产生12千牛的推力，由一个压缩空气罐（每飞行110到170公斤）供能。 它们直直地向下推。 如果左对推进器推力更大，汽车会滚动，如果前对推进器推力更大，汽车会俯仰。 当汽车车头朝下时，相同的推进器将其推向地面，这就是两个特技难以完成的原因。 汽车平着或侧着坠落时，迎风面积大得多汽车设计为向前移动。

当它平着坠落或风从侧面吹来时，它向空气展示的面积增加5到9倍，因此风力推着它四处飘荡。 在路附近风力较弱，阵风叠加在平均风力之上。 每次飞行都有一个来自随机方向的平均风力，在三个带之间：微风（最高14米/秒）、大风（14到24米/秒）或风暴（24到33米/秒）。 车轮可以承受4米落差，但车顶不能触地。 汽车可以用四个悬挂车轮或车身触地。 当两个特技：跳台翻转和跳过Cybertruck的空翻在跳台翻转中，跳台弯曲，汽车从10到14米高的跳台离开，车头朝下，然后必须直立降落。

在空翻中，汽车以50到94公里/小时的速度冲向空中，