Kitchen Rush

Kitchen Rush 把 tool-calling benchmark 做成实时厨房任务，延迟会直接消耗游戏时间。模型用 `collect`、`chop`、`cook`、`plate`、`serve` 等 native function calls 处理订单；思考越慢，食物越可能烧焦或订单越可能过期。每局输出 KR 0-100 分，0 是 do-nothing baseline，100 是零延迟脚本厨师；latency budget B 还把不同实时性要求分成独立 leaderboard，避免只看静态正确率。