SWE-Race 基准发布：188 个真实并发 bug，GPT-5.6 Luna 硬题仅 23%

团队发布 SWE-Race 编码 agent 基准，任务取自约 100 个 Python 项目已合并 PR 的 188 个真实并发 bug，涵盖竞态、死锁与取消问题，用项目自身测试在无网络容器中评分。