Test soruları tanımla (beklenen tool/UI kartı/hakem kriteri), seçtiğin chat/agent/hakem modelleriyle çalıştır, skoru ve maliyeti gör. Tüm çekirdek araçlar açık, plan bazlı kısıtlama veya kota uygulanmaz — yalnızca kullanım verisi kaydedilir. Koşumlar MongoDB'de geçmiş olarak tutulur.