这个测试不是跑几个 math benchmark 就收工的。1030 个任务分成五类：SWE 类真实仓库 bug 修复（460 题）、终端运维类长链路操作（安全、加密、逆向、系统管理）、算法题、六语言交叉实现、法律 agent 任务。
72%，收报14148.73点；创业板指涨3.16%，收报3590.79点。沪深京三市成交额20888亿，较上一交易日放量1442亿。
order_by('-pub_date') Admin后台：这是Django的杀手锏。
timeout(Duration.ofMillis(request.getTimeoutMs())) .
这里没有把流式参数 (--stream/--no-stream) 作为必选项，而是根据运行环境自动选择默认值：在终端下默认流式，管道或重定向（Agent 的典型场景）下默认非流式，同时 --json 时强制非流式，显式传参可以覆盖。