代码质量

SWE-bench通过率80%+已成标配宣传，但42个内部issue实测显示可合入率仅16.7%。本文实测三大编程基准的水分来源：测试名泄漏12%、隐藏测试掉分9.4分，并给出5条工程选型决策与1.5人日的微基准搭建方案。