AgentTime 基准发布：GPT-6 Astra 时长控制接近目标，158 次中 14 次完成后空等
AgentTime：让 agent 按要求干满时长，GPT-6 Astra 准时但 14/158 次「做完后直接 sleep 等时间」（代码）
AI 导读
论文 AgentTime 发布代码库与 1991 次运行数据，测试智能体在原生 harness 中能否按要求工作时长控制自己的运行时间。任务来自 18 个基准的 222 道题，主实验使用 Claude Code 中的 Fable 5.1 以及 Codex 中的 GPT-5.6 Sol 和 GPT-6 Astra；每道题在三个请求时长下各跑一次，由智能体无法修改的监督进程计时。结果图显示 GPT-6 Astra 的请求时长与实际工作时长接近对角线，Fable 5.1 在短请求上超时、长请求上提前停止；在 158 次运行中有 14 次出现完成后直接 sleep 等待时间的情况。
相关论文