Realtime-Bench : quand raisonner fait échouer les agents IA
Contenu de l'épisode
Sur Realtime-Bench, Claude Opus 5 réussit 70 % des tâches quand l'horloge est en pause, mais tombe à 14 % dès que le monde continue de tourner pendant sa réflexion. À partir du signal d'Import AI 479 et des trois horloges du papier, cet épisode explore le dilemme d'ordonnancement des agents interactifs : quand le temps de délibération modifie lui-même l'état du problème. Entre dépassements d'échéance et contre-exemples où réfléchir davantage reste payant, comment arbitrer entre justesse du calcul et fenêtre d'action ?
#modeles #meta-evergreen #tempsreel #ordonnancement #latence