基准包含17个全栈产品、241项连续需求，并以544项浏览器测试验收最终成品。
推荐理由：它把评测单位从孤立补丁改为连续需求下的完整产品，且只在终局验收；这能暴露长期开发中架构债务、回归和上下文漂移问题。
阅读原文