🎯 任务与生成
三任务三种时间压力：备灾建避难所(225)/挖消失方块(219)/团战 boss(190)；time-to-failure 均值 44.03/33.31/25.37 秒。
备灾=识别逼近危机（岩浆/雪崩）并赶在冲击前用正确材料建避难所；挖消失方块=方块随机出现、按类型寿命消失，限时凑配额（动态机会）；团战 boss=boss 动态刷小怪（最严时限）。异质 agent 能力强制互补协作。任务由 GPT-5.1 生成 250 配置/任务 + 可行性过滤（margin 2.0）得 634 个。
技术栈：Minecraft Java 1.19 + Fabric server + Mineflayer 4.14 bot 接口（语义动作，非像素闭环）。两种协作拓扑：centralized（主 agent 聚合观测联合规划——同步瓶颈：必须等所有 agent 汇报）vs distributed（并行独立规划 + propose-wait-act 协商，放宽 MineCollab 的 1-1 通信为选择性广播）。
⏱️ Sync/Async 对照
Sync=LLM 推理时暂停仿真（只测决策准确度）；Async=仿真连续跑（决策+时延一起测，动作会过期）。
这是已发表工作里最接近 paused vs realtime 的受控对照设计。原文机制表述：'prolonged LLM inference causes actions to become stale against the rapidly changing environment'。但对照是二值开关——没有中间档，无法定位崩溃点。
非 LLM oracle 对照（拿真值元数据+实时 spawn/despawn 事件、手工启发式调度——调度本身 NP-hard）得 0.91/0.80/0.59，证明决策空间可解：把'任务太难'与'时延吃掉能力'分开。这是三分归因所需对照件的现成先例。
📊 结果
GPT-5.1 centralized：挖方块 Sync 0.62 → Async 0.05；三任务 async 全线塌方（多数 0.00–0.06）。
失败机制：平均 ~20 秒 API 推理延迟频繁超过 25–44 秒失败时限——推理时长与时限同量级时任务全灭。Sync 模式下 centralized 优于 distributed（分布式的通信+推理开销吃掉时间预算：'规划占满预算、没时间行动'），但即便 Sync centralized 也远低于 oracle。
完整表：GPT-5.1 centralized 备灾 0.42→0.15 / 挖方块 0.62→0.05 / boss 0.28→0.06；GPT-5.1 distributed 0.24→0.02 / 0.54→0.00 / 0.40→0.03；DeepSeek-R1 更低。仅 2 模型（GPT-5.1 / DeepSeek-R1，Azure 托管）。注意 20s 延迟含网络/排队，混杂纯推理时长。
💡 对主线的启示
对照存在但二值、仅 2 模型——我们拉成连续调速阶梯+换流式被测主角；oracle 归因设计直接可抄。
可引：推理时长与失败时限同量级时 async 全线塌方（时延-成败关系的存在性证据）；不可引为：崩溃点位置（没扫连续变量）。多智能体协作开销是我们暂不覆盖的正交轴，划界即可。
与近邻的位置：GameWorld（视觉单 agent 版对照，判分密度高）、RealtimeGym（token 阶梯有连续性但无墙钟）、Gaia2（仿真时间 API 宇宙）——TickingCollabBench 是真墙钟+受控对照但二值二模型。四者拼起来恰好缺'真墙钟+连续阶梯+流式模型'的组合，即我们的位置。