模型API评测转向按任务耗时

Artificial Analysis以任务完成时间取代每秒Token，并纳入全链路延迟与智能体负载。

推荐理由：新指标把首字延迟、隐藏推理和输出长度纳入完成时间，纠正每秒Token对智能体体验的误导；默认推理档可降耗时3至5倍但牺牲能力。