DrivingBench conecta modelos de inteligencia artificial a un coche real. Solo uno completa el circuito de conos: una demostración sorprendente, pero lejos de acreditar una conducción segura.
La inteligencia artificial ya no se limita a contestar preguntas o escribir correos. Tres ingenieros han conectado modelos de OpenAI, Anthropic y Grok a un automóvil real para comprobar si pueden conducirlo. El vehículo es un Toyota Corolla y el experimento se llama DrivingBench.
La escena impresiona: una conversación con una IA termina convertida en órdenes de dirección, aceleración y frenado. Pero conviene poner el titular en su sitio. No hablamos de un coche listo para circular sin conductor, ni de una prueba que certifique su seguridad. Hablamos de un ensayo pequeño, supervisado y con resultados muy desiguales.
DrivingBench es un proyecto de Aditya Ramabadran, Simon Mahns y Tobias Gessler. Según WIRED, los tres son ingenieros de la empresa Axiom, pero realizaron estas pruebas al margen de su trabajo. La web del proyecto explica que su objetivo es evaluar si modelos avanzados pueden llevar un Toyota real por un circuito de conos en un aparcamiento vacío.
Este matiz importa: no es un lanzamiento oficial de Toyota, OpenAI, Anthropic o los responsables de Grok. Los autores indican expresamente que el proyecto no está afiliado, respaldado ni apoyado por los fabricantes del coche, de los modelos o de las aplicaciones utilizadas.
WIRED identifica el vehículo de su reportaje como un Toyota Corolla de 2024. Lo relevante no es el año del coche, sino que las decisiones de la IA producen movimientos físicos: aquí un error no se queda en una frase equivocada en pantalla.
Los autores utilizaron una interfaz de hardware Comma 4 y un sistema construido sobre OpenPilot. Esa conexión permite que el modelo reciba información y emita órdenes mediante herramientas informáticas. WIRED describe cámaras junto al parabrisas y un servidor enlazado con los controles del automóvil.
Dicho de forma sencilla: hay una cadena entre lo que la IA interpreta y lo que hace el vehículo. No basta con abrir ChatGPT o Claude y pedirle que conduzca. Hace falta un montaje experimental específico, y no debe intentarse reproducir en un coche de uso diario.
Además, una persona permanece sentada al volante, preparada para frenar en cualquier momento. Esa supervisión es una condición esencial del ensayo, no un detalle secundario.
La clasificación publicada por DrivingBench compara el mejor resultado de hasta tres intentos dentro de una misma conversación. No mide un único intento idéntico para todos ni constituye una clasificación general de los mejores sistemas de conducción.
Estos son los resultados que muestra el proyecto en la consulta realizada para este artículo:
La web define el progreso según el avance por la línea central del recorrido, mientras el vehículo permanece dentro del margen establecido. Por tanto, esos porcentajes no son una tasa de seguridad ni el porcentaje de situaciones reales que un modelo sabe resolver.
Sobre el nombre de la compañía de Grok, WIRED utiliza «SpaceXAI» en su reportaje. Aquí identificamos también el modelo por su nombre, Grok, para evitar confundir estas pruebas con un ensayo oficial de conducción organizado por SpaceX.
El éxito de Astra es llamativo, pero tiene un alcance concreto: completar un recorrido controlado, a ritmo lento y con supervisión humana. No permite asegurar que el modelo pueda afrontar una autopista, una calle llena de peatones o una maniobra imprevista.
En una carretera aparecen cambios de luz, lluvia, señales parcialmente ocultas, ciclistas y vehículos que no se comportan como esperábamos. También hay que reaccionar con rapidez y mantener un funcionamiento fiable durante mucho tiempo. Un solo recorrido completado no responde a todas esas preguntas.
WIRED relata además una demostración en la que los ingenieros hicieron que Astra avanzara por el acceso de recogida de comida de un In-N-Out. Ese episodio no debe confundirse con la clasificación del circuito de conos ni presentarse como prueba de autonomía general.
Un asistente responde. Un agente, además, puede utilizar herramientas para actuar sobre un entorno. Esa diferencia explica por qué este experimento merece atención: el modelo no se limita a describir la imagen de una carretera, sino que sus decisiones llegan a los controles de un vehículo.
Si quieres entender ese cambio antes de pensar en coches, nuestra explicación sobre agentes de IA que pasan del chat a la acción pone el concepto en contexto.
Los autores sugieren que los modelos pueden ajustar sus decisiones tras cometer errores dentro de la conversación. Es una observación interesante, pero no equivale a demostrar que hayan aprendido a conducir de manera fiable o permanente.
Puedes pedir a una IA que te ayude a separar el titular llamativo de la evidencia disponible. Este prompt sirve para analizar información; no contiene instrucciones para conectar un modelo a un vehículo.
Una parte especialmente delicada del reportaje es que algunos modelos inicialmente rechazaron emitir órdenes de movimiento para un coche físico. Los investigadores consiguieron después que participaran modificando la forma de pedir la tarea. No es una recomendación para saltarse límites de seguridad: es una advertencia sobre la necesidad de revisar qué puede hacer un agente conectado al mundo real.
También conviene mirar el conjunto de registros, no solo el intento que sale bien. DrivingBench publica trazas de los ensayos y resultados fallidos, lo que permite examinar el contexto de la demostración. Aun así, se trata de un experimento de sus propios autores, no de una certificación independiente.
La conclusión razonable es doble. Por un lado, los modelos de propósito general están mostrando capacidades sorprendentes para interpretar escenas y actuar mediante herramientas. Por otro, la distancia entre una demostración y un sistema seguro sigue siendo enorme.
Que una IA complete un circuito en un Toyota Corolla merece una noticia. Decir que ya puede sustituir al conductor sería ir mucho más lejos de lo que muestran estas pruebas. La historia no es que podamos soltar el volante: es que ahora necesitamos evaluar con mucho más cuidado qué ocurre cuando una respuesta de la IA mueve algo de verdad.
Noticias, análisis y recomendaciones. Sin spam, en español.
