4B-модель, обученная через RL, облетела GPT-6 Astra на 21% в управлении летающим Tesla Roadster
Post-training 4B model with RL to fly Tesla Roadster 21% better than GPT-6 Astra
Редакция SkyPilot построила RL-среду на физическом симуляторе летающего Tesla Roadster: четыре воздушных двигателя, порывистый ветер и два трюка из презентации — переворот с трамплина и кикфлип над Cybertruck. Последние открытые модели и GPT-6 Astra в реальном времени разбиваются почти всегда: им нужно 1–6 секунд на решение, а машине — новая команда каждые 0,2 секунды. Qwen3-4B, дообученная через RL примерно за $13, отвечает за 0,09 секунды и приземляет 90% кикфлипов в шторм. Всё открыто.
Когда мы остановили мир, чтобы модели могли думать сколько угодно, они всё равно проиграли 4B-модели, которую мы обучили через RL в шторм.