Realtime-Bench：最强模型也只能可靠完成36%实时任务

Realtime-Bench聚焦需要实时思考与行动的游戏、抢演唱会门票等交互任务，评估前沿模型应对实时问题的能力。表现最好的模型也只能可靠完成36%的任务，反映现有模型在低延迟实时决策上仍有较大缺口。