**RL 微调 4B 模型在特斯拉飞行汽车风暴测试中完胜 GPT-6 Astra** _Post-training 4B model with RL to f

**RL 微调 4B 模型在特斯拉飞行汽车风暴测试中完胜 GPT-6 Astra**

_Post-training 4B model with RL to fly Tesla Roadster 21% better than GPT-6 Astra_

> 研究团队利用强化学习（RL）微调的 Qwen3-4B 模型，在模拟特斯拉飞行汽车（Roadster）的极端风暴环境中表现卓越。该模型以 0.09 秒的决策速度，在实时飞行中成功完成了 90% 的翻转动作，远超 GPT-6 Astra（实时为 0%）及其他主流大模型。即便在允许无限思考时间的情况下，该 4B 模型的表现仍优于 DeepSeek V4.1 Flash 等顶级开源模型，证明了轻量级模型经 RL 训练后在复杂物理控制任务上的强大潜力。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-10-23 00:29（北京时间）
- **原文**：[打开原文](https://skypilot.ai/blog/flying-roadster-rl)

RL 微调 4B 模型在特斯拉飞行汽车风暴测试中完胜 GPT-6 Astra _Post-training 4B model with RL to f

原帖