本地编程模型 benchmark 应纳入完整部署与使用流程

本地编程模型 benchmark 应把 setup time、工具可靠性和真实 edit-run-fix 循环纳入评测，而非只看 tokens/sec 与 eval 分数。模型能否配合有用的上下文窗口顺畅运行、是否易于融入现有工作流，同样影响其实用价值。