Realtime-Bench发布：评估模型低延迟任务表现

Jack Clark 在 Import AI 479 中汇总了四个关键动态，其中 Realtime-Bench 的评测结果揭示了当前大语言模型在低延迟交互场景下的显著缺陷。该基准测试由德克萨斯大学奥斯汀分校、NVIDIA 等机构联合开发，包含 50 个互动游戏和网页任务，结果显示 GPT-6-Astra 在高延迟（Wall clock）设置下的通过率仅为 36%，而在暂停时钟（Paused clock）设置下成功率可升至 70% 至 80%。这一数据表明，现代通用 AI 系统在需要实时决策的任务中表现不佳，主要受限于推理长度调整和时间感知行动选择能力的不足。 Google DeepMind 发布了 Genie 4 世界模型的研究预览版，这是其迭代系列中的新进展。Genie 4 引入了实时修改功能，允许通过自然语言改变模拟环境；首次原生生成音频并支持交互式对话；同时嵌入了 Gemini 3.8 Flash 作为循环内的引导智能体，以提供持续校准和因果逻辑验证。尽管目前技术尚显粗糙，但其展示了从静态图像到可交互环境的转化潜力，以及构建无限娱乐形式的可能性。 此外，文章还引用了美国国防情报局（DIA）发布的《太空安全挑战》报告，指出中国、俄罗斯等国正在发展包括动能摧毁、干扰和网络攻击在内的进攻性太空能力，甚至涉及太空核爆实验。这些地缘政治风险可能影响未来基于太空的数据中心建设。最后，初创公司 Metis 提出了一种融合符号与神经推理的新架构，旨在建立更可靠的推理核心，减少幻觉并实现可审计的推理过程。事实部分基于原文披露的评测数据和产品特性，推断部分关于 Agent 落地难度和太空资产战略价值，猜测部分关于 AI 控制太空资产的远期可能性。