Import AI 479：Realtime-Bench 显示大语言模型不擅长低延迟任务

Realtime-Bench 包含 50 个交互式游戏与网页任务，用于评估 AI 系统在实时场景下的表现。GPT-6-Astra (high) 在 wall clock 设置中通过率最高，为 36%，而暂停时钟下高推理模型可达 70% 至 80%。低分表明 AI 智能体在低延迟任务上仍会失效。