Realtime-Bench 发布：最强模型仅能可靠完成 36% 实时任务

jiaxinpei 团队发布新基准 Realtime-Bench，系统性评测模型的「实时思考与行动」能力，覆盖从打游戏到抢演唱会门票等需要实时交互的场景，同时测试原生实时模型与通用 VLM。结果显示，表现最好的前沿模型也只能可靠完成约 36% 的实时任务，暴露出当前模型在实时交互场景下的明显短板。

2026-10-24 ~ 2026-10-24 · 2 条相关

• Realtime-Bench：最强模型也只能可靠完成 36% 实时任务 — EliasEskin · 2026-10-24

另有 1 条近重复转述:ChengleiSi