Warp 用自有轨迹基准评测模型，将每个 PR 成本从 $80 降至 $20

Warp 通过真实工作流轨迹测试不同的 harness 与模型配置，并将软件工厂中每个 PR 的成本从 $80 降到 $20。团队认为，3D 游戏 demo、SWE-bench、CursorBench 和 TermBench 不适合作为通用编码能力依据，基于实际使用轨迹选型更能反映具体任务中的差异。