Realtime-Bench:人类玩游戏胜率 72%,最强模型仅 32%
ManlingLi_ · x · 2026-11-20
Realtime-Bench 发布人类 vs AI agent 的实时交互任务对比结果,覆盖 50 个任务(30 个网页任务 + 20 个游戏任务):
- 游戏类:人类整体成功率 72%,最强模型(GPT-6-Astra)仅 32%,人类反应速度优势明显
- 复杂网页任务:人类仅 7%,最强模型达 52%——模型更擅长推演复杂规则
- 逐厂商数据(Anthropic、OpenAI、Google、DeepSeek、Moonshot 等)显示 Claude Fable 5.2 与 GPT-6-Astra 在综合与网页任务上领先
结论:实时交互任务上模型仍远逊人类,但在需要规则推理的复杂网页操作上已大幅反超。
「模型」频道最新
- Goodfire 公开 Qwen3.6 全部 1000 万神经元的可搜索图谱,并开放数据 — fatihdin4en · 2026-11-20
- 用户抱怨:OpenAI Dots 仍未在欧洲上线 — mark_k · 2026-11-20
- 四个月内开源权重模型在 Databricks 托管 token 占比从 7.3% 升至 30.9% — AIFlow_ML · 2026-11-20
- Gemini 4 Neon 一句话生成涩谷霓虹跑酷游戏,谷歌小蓝人当主角 — rseroter · 2026-11-20
- 教授精心设计「AI 防不住」考题,模型照样考到 82 分 — alex_verem · 2026-11-20
- 用户实测 Opus 5.5:24 小时后认为比 ChatGPT 订阅更划算 — mariofilhoml · 2026-11-20