# 报道：Realtime-Bench 发布，实时交互能力成新“试金石”
近日，英伟达等机构联合发布实时交互基准 **Realtime-Bench**，首次将大模型能力评估从静态问答推向动态闭环场景。该基准重点考察模型在流式输入、环境变化、用户打断、多模态同步与在线决策等条件下的任务完成能力。结果显示，即便是当前表现最强的 **GPT-6-Astra**，其综合成功率也仅为 **44%**，引发业界对大模型“实时可用性”的重新审视。
# 分析：高分不等于高可用，实时交互暴露结构性短板
44% 的成功率并不必然意味着模型基础能力不足，而更可能反映评估范式发生了根本变化。传统基准多依赖离线、单轮、可预先规划的题目，模型可通过充分推理获得高分；Realtime-Bench 则要求模型在信息持续到达、目标可能变化、响应窗口受限的条件下完成决策。这暴露出三方面挑战：其一，训练与部署存在错配，模型擅长“想清楚再答”，却不擅长“边接收边行动”；其二，实时任务依赖状态跟踪、工具调用与多模态同步，任一环节延迟都会放大误差；其三，动态场景中的打断恢复与不确定性管理仍缺乏稳定机制。
从产业角度看，该结果提示大模型落地不能只看榜单准确率，而应关注端到端时延、鲁棒性、可恢复性与安全边界。Realtime-Bench 的价值在于把“实时交互”从营销概念转化为可测量指标。若后续模型能在保持推理质量的同时提升闭环成功率，智能体、机器人和实时助手等场景才有望从演示走向规模应用。
