feat: add SWE-bench and TAU-bench benchmark suite, fix OpenAI baseUrl version path matching

feat(benchmark): use official SWE-bench Docker images and expand to 12 instances

Author: Gui-Yue

.env.test.example

@@ -63,3 +63,9 @@ E2B_TEMPLATE=base
 
 # E2B 沙箱超时时间（毫秒，可选，默认 300000）
 E2B_TIMEOUT_MS=300000
+
+# =============================================================================
+# Benchmark (for benchmark tests)
+# =============================================================================
+# Docker 代理（可选，SWE full 模式 git clone 和 Docker 容器使用）
+# BENCHMARK_DOCKER_PROXY=http://127.0.0.1:7897