把基准测试交给社区：志愿者用自己的订阅额度在本地沙箱里跑 DeepSWE 编码基准， 产出的 patch 由服务端独立重新判分——没有任何一个分数来自自报。 众人拾柴，测出一份谁都可以复核的模型能力雷达。
在主站扫码进群，说一声"我要参加众测"，管理员会发给你专属邀请 token。
一行命令装好（需要 Docker）：
curl -LsSf https://api.example.com/install.sh | sh
dradar login 填入 token，dradar doctor 会逐项检查环境并告诉你怎么修。
dradar go 给你一份带"额度价签"的菜单（例如 ~15 分钟 / 5 小时窗口的 ~12%），确认后自动跑完自动上传。
每个任务都有基于 3900+ 条历史数据校准的价签（中位任务约占 5 小时窗口的 15%）。跑之前 CLI 还有额度守卫：估计这一单会顶爆你的窗口时会直接拒绝开跑。真的中途撞墙也不算你失败——标记为"中断"，格子重新开放，不扣你任何信誉。
上传前客户端先做一遍敏感信息脱敏，服务端再扫一遍（带密钥的 patch 直接拒收）。凭据类文件（登录态、session）从不上传。公开展示的只有昵称、积分和判分通过的轨迹。
所有判分都在服务端重跑 verifier，客户端自报的分数一概不信。另有蜜罐任务、租约时间差、轨迹审计等多层检测，可疑提交会被标记复核。作弊 = 历史贡献清零 + 封号 + 社区公示。