你让 AI 操控游戏角色：它看见敌人，认真想了十几秒，终于决定跳起——可角色早已撞了上去。两项研究提醒我们，智能体的可靠性不只取决于推理是否正确，还取决于答案生效时，现实是否已经变了。
第一项研究提出 RealtimeBench，让游戏在模型思考时继续运行。它包含六类游戏、共 180 个任务。一个很直观的结果是：反应约需 19 秒的 GPT-6.1-sol，在暂停游戏时有五类胜过更快的 Jev；游戏不停时，两者平均分却分别为 1.51 和 13.51。作者又用 TORSI——让慢模型在局外复盘并写下指令，快模型在局内直接照此行动——把 Jev 的平均分从 13.51 提至 24.19。
第二项研究则提出“有效连贯认知速度”，即现实加速到什么程度，系统仍能持续满足预设的可靠性标准。作者将现实速度最高提高到基线的 50 倍，在算力不变、智能体不重新训练的条件下测试，并称 Co⁴ 架构比 Transformer 和 gated-MLP 基线承受了更高速度。两项工作的共同判断很朴素：世界不会为推理暂停，慢一步的正确答案，也可能是错误行动。