用根据本人实际工作使用习惯设计的测试集（107 题 · 8 维度），给所测模型（家里本地部署 + 云端 API）跑分：总榜、八维通过率、失败构成与速度一页看完；其中一个模型标为基准，方便对照。页面为单文件静态页，不联网、不收集任何数据。