Realtime-Bench 测试大语言模型的实时交互能力

Realtime-Bench 评估现代通用 AI 系统处理实时交互任务的能力，包含 50 项游戏和网页任务，并测试感知环境变化、调整推理时间和选择行动时机三方面表现。在 wall clock 条件下，GPT-6 Astra（high）的通过率最高，为 36%；暂停时钟条件下，高推理能力模型的成功率接近 70% 至 80%。