Realtime-Bench 显示 LLM 难以胜任低延迟任务

研究人员构建 Realtime-Bench 评估 AI 在实时交互任务中的表现，结果显示 GPT-6 Astra 在真实延迟条件下通过率仅为 36%。该基准包含 50 个游戏与网页任务，旨在测试模型的时间感知、自适应推理及动作选择能力。相比之下，在暂停时钟模式下，高推理能力模型的成功率可接近 70% 至 80%。