Benchmark 测量协议与证据¶

历史批次按各自固定的源码、制品与计时口径解释；当前活动实验和准备状态见 benchmark 注册表。

注：文中「本地原始记录」及 docs/src/assets/benchmarks/.data/ 等路径指向测量时的本地归档，未随仓库或站点发布，仅用于批次溯源。

所有基准遵守同一套协议：

• 写明硬件、操作系统、内核或 macOS 版本、FUSE 实现、pVisor 版本与提交号；
• 给出样本数与分布，尾部统计遵守注册表的样本量限制；30 个样本不报告 P99；
• 使用注册的测量入口并保留其原生证据格式，历史报告保留原 schema；
• 每个对照组写明配置，不与「未调优的对手」比较；
• 结果按日期保留，不覆盖旧数据。

macOS 与 Linux 数据保留¶

macOS/HVF 与 Linux/KVM 的数据融入对应主题的 benchmark 文档并同时保留，在基准总览按宿主操作系统、架构和后端列出。每轮保存日期、硬件、配置、源码状态、二进制及 firmware 摘要和原始样本；重测使用新目录，保留旧报告、图表和 JSON/CSV。摘要页面可以引用新批次，但必须保留旧批次入口。

不同平台分别计算分布，不合并样本。只有负载、计时起止、缓存状态和参数一致时才做跨平台对比；未测项目标为未测，不支持的功能写明平台限制。Linux 的 offload 数据与 macOS 的共享冷页回收数据分别解释。

当前数据：启动延迟、内存去重、Linux 去重与共享库曲线。旧 macOS 冷页和 Linux 快照记录保留在 memory 实验归档。

环境清单¶

每份报告开头附下面这张表：

对照组¶

• 对照组使用该方案文档推荐的配置，并写明版本与参数；
• 拆分出 pVisor 自身的开销：例如同一执行器下 --filesystem host 与暂存的差，而不是只给端到端总数；
• 只有部分阶段的数据（例如只测 guest init）时，标题必须写明测的是哪个阶段，不能写成端到端结论。

从现有测量入口开始¶

mise run benchmark -- smoke --output benchmark/process/.data/candidate
mise run benchmark -- nightly --output benchmark/process/.data/nightly-new
mise run benchmark-compare -- benchmark/process/.data/candidate/in.bench.json benchmark/process/.data/main/in.bench.json
mise run benchmark -- startup/timing --output benchmark/startup/.data/measurement

进程回归门禁使用 semspec bench 与 Python perf_counter_ns 命令计时器，准备及正确性 hooks 位于计时区间之外：smoke 为 2 次预热/10 个样本，nightly 为 10 次预热/50 个样本；分别测量原生启动、最小 host Run、status 和 review。benchmark-compare 接受配置与 harness 一致且通过校验的 in.bench.json；基线需使用同一套件另测到 .data/main。

启动事件时钟表每条件固定 3 次预热/60 个样本，同次启动记录 Ready 与正常 Exit。它不替代已退役的启动/资源矩阵，也不复现其历史采样设置。预构建二进制、rootfs、镜像和内核的准备要求见当前 benchmark 手册。每个显式输出目录必须全新；失败保留证据并阻止发布。构建与输入准备不计入这些时钟。

解释与归档¶

同机、同套件、同输入比较 candidate 与 baseline。benchmark-compare 默认以 15% 为回归阈值，检测到回归时返回非零退出码。保存原始样本、摘要、完整参数、输入摘要与提交号；区分冷镜像、热磁盘缓存与热页缓存，记录后台负载和电源状态。

2026-10-04 首版提供文件系统、网络、apply、并发密度、受控 Agent 工具闭环、机器审查流程、隔离和回放前缀数据。真实模型成功率、人工监督分钟数、云端延迟与 macOS 新工作负载仍未测；每页单独解释范围。

benchmark/pvisor/vm_ready.py 使用 pvisor-vm-readiness/v1，分别测量负载输出就绪和 CLI 完成，并用独立诊断批次拆分宿主时间；完整协议见启动延迟。

2026-10-04 产品基准首版¶

首版显示 host 工具运行接近原生；staged 连续读与离线 npm 增加数十毫秒，小文件访问增加约 150–190 ms；VM 多数小任务在 0.5–1 秒量级。10/1,000/100,000 文件 apply 分别约 15 ms、0.84 秒、5.5 分钟。数字对应下列本机配置，不是对所有项目的保证。

环境与身份¶

比较配置¶

不能把全部组别称为同样的隔离级别。每个 pVisor 成功样本要求 completed/零退出 Bundle、实际执行器身份与请求一致；staged/safe/VM 还检查暂存生效。文件数据、工具输出或网络摘要正确才进入 rows。

采样与解释¶

热宿主缓存，不主动驱逐。镜像构建/导入、输入准备、代码编译的构建阶段不进入启动计时；cargo 工作负载自己的编译当然计入工具时间。filesystem/network 每格 3 次预热/30 次采样，随机组别顺序。apply 为 30/10/3 次（10/1,000/100,000 文件）；前两组 1 次预热、最大组无预热。density 每格 5 个批次，agent/replay 每任务 3 次，supervision 30 次，这些套件无预热。性能表使用线性插值 P50/P95/P99；嵌套请求/并发 Job 可能相关，未给独立样本置信区间。

wall 是一项命令从启动到退出的总成本，worker 是内部工具运行与校验成本；两者分别呈现。失败 batch 保留原因和尝试/成功数，内存 guard 不算成功或零成本。不可用的 Docker daemon、缺少工具的镜像、VM 地址空间失败分别解释，不能当作竞争方案慢或产品兼容失败。

原始数据¶

本地原始记录 docs/src/assets/benchmarks/.data/product-v1-20261004/manifest.tsv列出每个报告及摘要；本地原始记录 docs/src/assets/benchmarks/.data/product-v1-20261004/samples.csv便于重算分布；本地原始记录 docs/src/assets/benchmarks/.data/product-v1-20261004/evidence.tar.gz保留完整 JSON、脚本快照、Bundle、错误日志和 SIGKILL ledger。payload 与 rootfs 可按脚本重建，未在 docs 复制数 GB 环境。已有 macOS 与 Linux VM 批次完整保留；新产品工作负载只在 Linux 测，不合并跨平台样本。

本轮 mise run lint 通过；mise run test 为 Rust 1,075 项通过 / 8 项跳过、Python 84 项通过 / 16 项跳过。新增 benchmark 测试单独运行 19 项通过；STAGE 语义规格 14/14 PASS，人工审阅状态仍为 UNREVIEWED，不等同于人类批准。大规模 syscall trace 与非崩溃 apply ledger 保留在本机 target 原始目录，公开归档保留报告、Bundle、诊断和崩溃 ledger。

用 python3 benchmark/pvisor/summarize_product_v1.py <batch>/report.json --output-csv /tmp/summary.csv 重算；公开本地原始记录 docs/src/assets/benchmarks/.data/product-v1-20261004/summary.csv按批次分组。

本轮性能针对固定制品，不能代表之后的并行改动或其他发行构建；源码并非干净提交。全仓 lint/test 校验的是当时工作树，固定 CLI 的功能另由 benchmark 与 STAGE 规格验证。

完整 Ubuntu 与无镜像 pVisor：部署协议¶

这轮补充常规发行版环境的真实成本。Firecracker 使用官方 Ubuntu cloud VM 的完整磁盘、发行版 generic 内核和 initrd；pVisor VM 始终使用目录，本轮为 --rootfs host，复用宿主已安装工具。用户所说的最新 Ubuntu 固定为 Ubuntu 26.04.1 LTS、20260927 发布，使用官方日期快照；这是云虚拟机镜像，完整系统不由 Docker OCI 层组装。

Ubuntu 保留 GPT、/boot、EFI 分区、原厂模块、fstab、systemd、cloud-init、SSH、snapd 等服务。只加入 NoCloud 静态网络、测量 unit 和 Agent 应用。原厂 7.0.0-34-generic 支持 ext4、FUSE 和 btrfs：配置为 CONFIG_EXT4_FS=y、CONFIG_FUSE_FS=y、CONFIG_BTRFS_FS=m。Firecracker 1.13.1 直接加载 ELF，所以从官方 bzImage 无修改解压 ELF，未裁剪或重编译内核；使用官方 initrd、默认 virtio MMIO。原始启动分区保留，但本路径不执行 UEFI/GRUB。

首次启动基于未运行过 cloud-init 的完整模板；已准备启动基于正常完成工具安装与首次初始化的磁盘模板。每次克隆私有磁盘并新建 VM，不恢复 RAM。计时从启动到完整 OS 就绪后的首条输出、任务结果和正常零退出分别记录；Ubuntu 必须证明 PID1 为 systemd，multi-user/network-online/cloud-final/ssh.socket 均 active，逐次保存失败 unit 列表。正式样本均没有失败 unit。启动前的工作区复制/磁盘克隆记为 prepare_ms，不计入启动与任务时间。

宿主与旧对照相同：Fedora 44、Ryzen 7 9700X、KVM，固定 CLI SHA256 1a2db5ad015c5ace40b3c96c7dd0dc94a08b8893de35150bd909554286e2cd3c。所有进程树绑定宿主物理核心 0、1；VM 2 vCPU，启动 2 GiB、完整任务 16 GiB；原生和 staged 没有硬内存上限。宿主页缓存预热、每轮随机后端顺序。启动每格 N=30，工具/文件/客户端每个发布格 N=10，Claude/VM 预检失败为 N=0，均 3 次预热；N=10 是首版探索数据，P95/P99 不能支持尾延迟保证。共享桌面保留后台负载，轮前/轮后 load 公开。

完整工具任务复用相同项目、输入和校验。Rust/Cargo 1.98.1、Claude 2.1.128、Codex 0.160.0 使用相同制品；Ubuntu apt 安装的 Python 3.14.4、Node 22.22.1、Git 2.53.0，与宿主 Python 3.14.7、Node 24.18.0、Git 2.55.0 不同。因此这是正常部署栈的比较，不能把任务差值全部归因于文件系统或 VMM。CLI 连接同环境中的受控模型服务，必须传回实际通过的工具结果；无真实推理、付费账户、tokens 或公网模型时延。Codex 统一内部 danger-full-access，默认内外沙箱叠加未测。

Firecracker 私有 user/network namespace 内提供 TAP 和静态 NIC；QEMU -machine none 进程只转发用户态 DNS/NAT，使 Ubuntu 默认服务能正常联网。没有第二台 guest VM；辅助进程的启动、CPU 和 RSS 全部计入 Firecracker 组。未修改宿主路由或网络服务。预检发现无有效 DNS 会让 snapd 等待 30 秒；正式批次使用经过功能探测的 DNS/NAT。早期 PCI 试跑在正常 reboot 的设备复位中挂起，N=0，不进入发布数据；默认 MMIO 正常零退出。Firecracker 无 jailer，本轮不验收生产安全部署。

从已下载磁盘启动 QEMU、复制本机 Rust/CLI/fixture 并 apt 安装发行版工具的成功配置步骤耗时 85.8 秒，单独记录。它不含下载 825 MiB 官方 qcow2、格式转换、制作工具 payload、宿主安装依赖或失败诊断尝试；该秒数不是从空机器部署的总成本。pVisor 无需准备系统镜像，但前提仍是宿主工具已经安装。

镜像、内核、initrd 摘要与来源见本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/assets.tsv，官方 HTTPS SHA256SUMS 已核对，GPG 签名未验证。完整本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/ubuntu-generic.config与逐样本证明可供检查。独立归档 schema 为 pvisor-full-ubuntu-reference/v1；保留采样脚本快照、失败、命令、OS 证明与最小化运行证据，和旧裁剪批次分开，不合并样本。 Ubuntu 客户端最初出现串口提示/终端控制序列与结果行相连而漏记时间终点；解析器修复后，以同参数补测 Claude/Codex 各 N=10，发布表只使用补测分布，不合并旧客户端样本。原主报告和失效样本仍保留；本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/manifest.tsv逐格记录选用批次。

复现完整 Ubuntu 对照¶

需要 Linux x86_64、KVM、FUSE、user/network namespaces，Firecracker 1.13.1、QEMU、curl、zstd、e2fsprogs、sfdisk，以及宿主 Python/Node/Rust/GCC/Git/rg/Claude/Codex。使用新的输出目录；下载和工具安装需要网络。准备脚本只修改输出目录中的普通文件，无宿主服务或块设备更改。先用 --samples 1 --warmups 0 探测，再运行正式批次。fixture 只包含项目与负载输入，不是系统根目录。

python3 benchmark/pvisor/prepare_ubuntu_reference.py \
  --output target/ubuntu-reference-new
python3 benchmark/pvisor/ubuntu_baselines.py \
  --assets target/ubuntu-reference-new --fixture target/ubuntu-reference-new/fixture \
  --binary /absolute/path/to/frozen/pvisor --output target/ubuntu-ready-new \
  --backends native,pvisor-staged,pvisor-vm-hostroot,firecracker-ubuntu,firecracker-ubuntu-firstboot \
  --modes ready --samples 30 --warmups 3
python3 benchmark/pvisor/ubuntu_baselines.py \
  --assets target/ubuntu-reference-new --fixture target/ubuntu-reference-new/fixture \
  --binary /absolute/path/to/frozen/pvisor --output target/ubuntu-workflows-new \
  --backends native,pvisor-staged,pvisor-vm-hostroot,firecracker-ubuntu \
  --modes env,filesystem,tools,claude,codex --samples 10 --warmups 3
python3 benchmark/pvisor/ubuntu_baselines.py \
  --assets target/ubuntu-reference-new --fixture target/ubuntu-reference-new/fixture \
  --binary /absolute/path/to/frozen/pvisor --output target/ubuntu-clients-new \
  --backends firecracker-ubuntu --modes claude,codex --samples 10 --warmups 3
uv run --no-project --with matplotlib python benchmark/pvisor/render_ubuntu_baselines.py \
  --report target/ubuntu-ready-new/report.json \
  --report target/ubuntu-workflows-new/report.json \
  --report target/ubuntu-clients-new/report.json \
  --replace-cohort claude/firecracker-ubuntu --replace-cohort codex/firecracker-ubuntu \
  --assets target/ubuntu-reference-new --output /tmp/full-ubuntu-report-new

本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/samples.csv · 本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/summary.tsv · 方法与复现

Ubuntu 工具包清单另见本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/ubuntu-packages.txt。正式任务统一将编译与客户端临时文件置于工作区私有 _tmp，避免 hostroot 的只读 /tmp；失败诊断保留，不计入新的正式分布。

固定二进制的本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/binary-provenance.tsv、本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/fixture-inputs.tsv和本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-20261004/diagnostics/ubuntu-workflows-mmio-20261004/diagnostic-status.tsv单独保留。汇总 CSV 用 selected_for_summary 标明发布表使用的样本，避免把补测与旧客户端样本合并。

完整 Ubuntu 的 QEMU 补测¶

QEMU 10.2.2 的 q35 与 microvm 使用 Firecracker 已测的同一完整 Ubuntu Agent 磁盘、原厂 7.0.0-34-generic 和官方 initrd，直接加载官方 bzImage；不执行 UEFI/GRUB。q35 使用 virtio PCI，microvm 使用 virtio MMIO 并关闭可选传统设备，保留串口。microvm 官方说明列出这种直接启动及 guest 正常退出方式。两者明确指定 KVM、host CPU 和 2 vCPU，启动 2 GiB、任务 16 GiB，绑定宿主核心 0、1。

网络由各 QEMU 进程内的用户态 NAT/DNS 提供；Firecracker 组需要单独的 QEMU -machine none 辅助进程，其耗时与 RSS 已计入。因此不能把全部差值当成 VMM 或 block device 的开销。磁盘每次从相同模板克隆，3 次预热、每格 N=10，运行前另做一次功能预检；要求与 Firecracker 相同的 OS 服务就绪、工具校验及正常零退出。reboot=t 与 -no-reboot 配合，不用宿主强制杀进程冒充成功。

补测在同一宿主上独立执行，不与旧样本合并；图中的 pVisor/Firecracker 是之前的独立批次。N=10 只适合初版预算，不保证尾延迟。完整命令、日志、OS 证明及制品摘要随数据归档。以下命令复用前面准备好的官方 Ubuntu：

python3 benchmark/pvisor/ubuntu_baselines.py \
  --assets target/ubuntu-reference-new --fixture target/ubuntu-reference-new/fixture \
  --binary /absolute/path/to/frozen/pvisor --output target/ubuntu-qemu-new \
  --backends qemu-ubuntu,qemu-microvm-ubuntu \
  --modes ready,tools,claude,codex --samples 10 --warmups 3

补测 本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-qemu-20261004/manifest.tsv全部通过。关闭 PIC/PIT 的前提已通过 本地原始记录 docs/src/assets/benchmarks/.data/full-ubuntu-qemu-20261004/qemu-cpu-capabilities.tsv核对：guest 模型暴露 tsc-deadline。这是能力核查，不是性能样本。

熟悉基线与完整 Agent Env：Linux 同机对照¶

这轮回答三个不同问题：环境首条输出有多快、工具能否正常运行、客户端能否完成修复闭环。启动、文件操作、完整工具任务与真实 CLI 分开计时，旧 macOS/Linux 数据原样保留；新的 Docker/Firecracker/QEMU 对照只在 Linux 采集。

Docker/native 不设置硬内存上限；所有 payload 与 VMM 使用宿主物理核心 0、1，Docker 私有 daemon 和容器内工具单独绑定，Rust 编译 -j2。Docker 的启动 daemon 已运行，其一次性启动不在任务时间内。VM RAM 由 Run Bundle 或 VMM 配置核对；配置容量与实际 RSS 分开报告。宿主是共享桌面，仍有其他核心上的并行开发，缓存/磁盘竞争不完全隔离，未锁定频率，因此不把个位数百分比当作可靠排名。

QEMU q35 和 microvm 同时给出，避免以 PC 设备默认成本代替其最低路径。microvm 关闭可选传统设备，KVM/host CPU、virtio-blk；Firecracker 启用 PCI、无 API、无 jailer。三者直接启动裁剪内核与静态 init，没有 systemd/SSH/cloud-init。QEMU microvm 官方说明、Firecracker 1.13.1 配置、Docker rootless是参数依据。这是开发性能基线，不是生产安全部署评测；Firecracker/QEMU 没有成为 pVisor executor。

pVisor 内置 firmware 与参考内核版本相同，配置并非相同；它还有 staged 视图、执行观察与 Run Bundle。block/ext4 与 virtio-fs 的文件路径、客户端初始化和退出协议都不同，因此完整命令差值不能解释为单纯 VMM 开销。

计时、正确性与失败¶

ready_ms 是首条输出或工具自检结果，result_ms 是通过校验的任务结果；两者都包含对应运行时启动。completion_ms 是完整退出，prepare_ms 单独记录工作区/私有磁盘准备。主矩阵退出采样存在最高约 50 ms 的轮询粒度，主要结论使用 stdout 事件计时；精确退出补测单独归档，不混入主批次。文件操作表使用任务内部 worker_ms，不含新环境启动。

每组先检查一次能力，3 次预热不入分布，30 轮按固定 seed 随机后端顺序。正确性要求零退出、恰好一个结果、正确 mode、真实 grade 返回、文件内容及原目录状态、VM 无 panic；pVisor 还核对 completed Bundle、实际 VM/host executor 和 staged 观察。失败保留日志，排除性能分布；Claude/VM 90 秒初始化超时令正式 N=0，runner 在完成其他组后以非零状态退出。Codex 统一内层 danger-full-access，默认内部沙箱兼容性不在这张表的通过条件中。

真实 Claude/Codex 连接同一环境内的本地受控响应服务。无真实推理、公网时延、真实 tokens 或账单。每组 30 次反映一个任务的重复性，不是 30 种独立缺陷；P95/P99 是本批次的描述统计，不是长期尾延迟或成功率置信区间。

资源审计¶

20 ms 抽样 RSS 求和，不是 PSS，也不是严格 cgroup 峰值，可能漏掉短峰和重复统计共享页。主矩阵最初只追踪 Docker CLI/daemon 后代，审计发现容器 shim 被 systemd 接管，漏掉容器工具 RSS。公开主报告已标为部分范围，不能拿其约 102 MiB 与 VM 排名。单独补测用确切 container ID 追踪 shim 与任务，并保留 Docker 进程亲缘和 affinity 证据；资源表在补测报告中独立呈现。

完整工具任务的资源补测¶

同配置、10 次/组、1 次预热，按容器 ID 跟踪 Docker shim，RSS 峰值中位数如下。Docker 包含专属 daemon 的固定占用，本批次开始时约 75 MiB；这不是单个容器的增量内存，不能直接做除法估算 Agent 密度。VM 内存包含 VMM/实际已触及 guest 页，不等于配置的 16 GiB。任务期间没有新建环境或导入镜像与测量并发。

native/staged 为约 0.17/0.22 GiB，Docker 含 daemon 约 0.27 GiB，VM 为约 0.71 GiB。pVisor VM 的实际占用与本轮参考 VM 同属不到 1 GiB 的量级；这个短任务不覆盖长时间大仓库峰值，也不测共享页节省。RSS 范围不同，不能据此排出严格物理内存效率排名。

本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/followups/reference-resources-20261004/report.tsv · 本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/followups/reference-resources-20261004/samples.csv · 本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/followups/reference-resources-20261004/docker-process-audit.tsv · 本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/followups/reference-resources-20261004/evidence.tar.gz

环境部署与复现¶

从已安装工具构建 rootfs，再导入相同 Docker 镜像、制作 ext4。Fedora 44 自动工具布局为 Python 3.14/Node 24；其他系统可传 --tools-rootfs 等价预制 base。需要 KVM、FUSE、Docker rootless、Firecracker、QEMU、Claude/Codex、Rust musl target、GCC/e2fsprogs；内核构建需要干净 Linux 6.12.109 源码。只复制工具与假凭据，不复制登录认证。

先按 rootless Docker 官方方式启动本用户的私有 daemon，使用短 socket 路径；将下例 12345 替换成该 daemon 的实际宿主 PID，选择允许的两个物理核心。脚本核对 owner/socket 后只绑定该 daemon，不修改系统 Docker。所有输出目录须为新目录；先用 --samples 1 --warmups 0 试跑。内核/工具下载、内核编译、镜像准备不计入任务时间，离线准备和每次克隆成本另有记录。

bash benchmark/pvisor/prepare_reference_kernel.sh \
  /absolute/path/to/clean/linux-6.12.109 target/reference-kernel-new
python3 benchmark/pvisor/prepare_reference_env.py \
  --binary /absolute/path/to/pinned/pvisor --output target/reference-env-new \
  --kernel-elf target/reference-kernel-new/vmlinux \
  --kernel-bzimage target/reference-kernel-new/arch/x86/boot/bzImage \
  --kernel-config target/reference-kernel-new/.config \
  --docker-host unix:///tmp/pvisor-reference-docker/docker.sock
python3 benchmark/pvisor/reference_baselines.py \
  --assets target/reference-env-new --binary /absolute/path/to/pinned/pvisor \
  --output target/reference-results-new \
  --docker-host unix:///tmp/pvisor-reference-docker/docker.sock \
  --docker-root-pid 12345 --cpu-affinity 0,1 --memory-mib 16384 \
  --samples 30 --warmups 3
uv run --no-project --with matplotlib python benchmark/pvisor/render_reference_baselines.py \
  --report target/reference-results-new/report.json \
  --assets target/reference-env-new --output /tmp/reference-report-new

归档 schema 为 pvisor-reference-environment/v1，不冒充旧 smoke schema。含逐样本、命令、固定脚本、guest/tool 版本、失败、最小化实际工具回传及 Run Bundle 隔离/资源证明；不复制数 GB rootfs 或继承宿主环境的凭据。固定 rootfs、工具、内核与 pVisor 摘要在报告中。自动部署脚本与复现入口见benchmark 目录。

本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/samples.csv · 本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/summary.tsv · 本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/evidence.tar.gz · 本地原始记录 docs/src/assets/benchmarks/.data/reference-env-20261004/compatibility.tsv