英伟达与 UT-Austin 等发布实时交互基准 Realtime-Bench

英伟达与 UT-Austin 等机构联合推出动态交互评测基准 Realtime-Bench，覆盖 30 个网页任务和 20 个游戏任务，测试显示表现最佳的 GPT-6 Astra 在真实环境推进下的任务成功率仅为 44%。基准设计了实际耗时、冻结环境与 token 推进三种时钟协议来解耦延迟与推理能力。实验表明延长思考时间会使模型在动态任务中错失执行时机，单纯缩短延迟也无法完全弥补推理能力缺陷。