搜索

Realtime-Bench 评测12种模型：实时任务中，思考更久未必更好（在新窗口打开）

Realtime-Bench 用30项网页任务和20项游戏任务，对比真实时间、推理时暂停及按Token推进三种时钟。受测模型在时限下明显失分；GPT-6 Astra最高单次任务成功率44%，三次重复均成功的Pass³为36%，两者不能混用。