Un equipo de investigación ha demostrado que un modelo de lenguaje de 4.000 millones de parámetros, entrenado con refuerzo de aprendizaje (RL), puede controlar un Tesla Roadster en vuelo con mayor precisión que GPT-6 Astra, el modelo de OpenAI. El experimento, realizado mediante un entorno de simulación física, evaluó la capacidad de varios modelos de IA, incluyendo DeepSeek V4.1 Flash, Meta's Muse Spark Open y NVIDIA's Nemotron 3.5, para ejecutar dos trucos complejos: un giro sobre una rampa y un kickflip sobre un Cybertruck, en condiciones de viento fuerte.
Los modelos de última generación, que requieren entre 1 y 6 segundos para responder, fallan en la ejecución en tiempo real debido a la latencia, logrando un 0% de éxito en los trucos. En cambio, el modelo Qwen3-4B, entrenado con RL, responde en 0,09 segundos y logra un 90% de éxito en los kickflips. Incluso en condiciones de tormenta con viento de 33 m/s, el modelo RL supera a los modelos de código abierto más avanzados, que obtienen entre el 58% y el 87% de éxito dependiendo del tiempo de procesamiento. El estudio destaca la importancia de la velocidad de respuesta frente al tiempo de razonamiento, mostrando que la optimización de la toma de decisiones en tiempo real es crucial para la seguridad en entornos dinámicos.