模型核心能力 - 在自动驾驶场景的实测中展现出稳健的基础感知能力和令人惊喜的开放式推理与动态场景理解能力，具备"老司机"潜质 [2] - 能够精准理解道路结构、交通参与者、天气状况、交通标志等场景信息 [85] - 具备深度的空间推理能力，可判断车辆相对位置、运动状态及车道关系 [85] - 展现出动态行为预测能力，能分析车辆意图并评估风险等级 [85] - 在多帧时序理解方面表现突出，能基于连续图像推断速度变化和交通流演变过程 [85] 技术测试维度 - 测试涵盖场景理解、空间推理、行为判断、风险预测等多个维度 [2] - 在场景理解任务中，模型能准确描述图片内容、判断天气状况、识别道路类型及交通参与者 [7][9][10][11][15][17][18] - 在空间推理任务中，模型可识别距离自车最近的车辆、判断前方车辆移动状态及旁边车辆的变道意图 [21][22] - 模型能够回答关于前方车辆数量、位置、自车所在车道及车道线数量等具体空间问题 [25] - 在行为决策方面，模型能基于当前情况给出加速、减速或保持速度的建议 [28] 安全与风险评估 - 模型在判断中多次强调"安全第一"，体现出良好的驾驶伦理观和安全意识 [85] - 能够识别图中最大的潜在危险并进行说明 [29] - 具备按危险程度对交通参与者进行排序的能力，例如将右侧对向行驶的白色面包车列为最高风险 [38][42] - 能合理判断超车行为的安全性，在夜间、对向来车、能见度低等条件下强烈不建议超车 [48][49][50] - 可以模拟突发情况下的场景演变，如车辆突然爆胎后可能引发的连锁反应 [75][77][79] 行业应用前景 - 此次测试表明通用视觉语言模型在垂直领域落地具有更多可能性 [2] - 基于通用大模型的自动驾驶系统未来或可通过"常识推理+多模态理解"的方式实现更高效、更泛化的驾驶决策 [86] - 模型未经过专门的自动驾驶指令微调却能对复杂交通场景做出合理判断，显示出强大的基础能力 [2][86] - 尽管在极端复杂场景下的反应一致性等细节仍需优化，但模型已展现出更加智能、更具理解力的自动驾驶未来图景 [86]