用途：围绕 Kaggle Benchmark 任务的全流程操作。通过 kaggle CLI（kaggle b）与 kaggle-benchmarks Python SDK 创建、推送、运行、发布和管理任务，官方资源见 github.com/Kaggle/kaggle-benchmarks 与 kaggle-cli 的 benchmarks 文档。
主要能力：init 获取 Model Proxy 凭证并生成 .env、示例任务与参考文件；auth 仅刷新凭证；tasks 子命令支持 push（上传 .py 任务）、run（对指定模型执行）、list、status、download、log、publish、models、delete。任务文件需 import kaggle_benchmarks as kbench，用 @kbench.task 装饰至少一个函数，并调用 task_fn.run(kbench.llm) 或 .evaluate(...)，采用 jupytext 的 # %% 单元标记。SDK 支持断言、run.passed/run.result、reasoning 与 temperature、图片/视频/音频多模态输入、ChatRoom 多智能体、自定义断言等。
使用方式：先 kaggle b init -y 完成环境初始化，再编写任务文件，用 python task.py 本地验证并确认生成 *.run.json，然后 kaggle b t push my-task -f task.py --wait，接着 kaggle b t run my-task -m <模型> --wait，用 status 查看状态，download 下载结果，log 查看日志，publish 发布。多值参数需重复传参（如 -m a -m b）。
适用场景：需要以任务形式评测大模型能力的场景，例如数值推理、指令遵循、多模态理解与多智能体交互测试。
限制：CLI 只管任务，管理 benchmark 集合需在 Kaggle 网页端进行；delete 服务端暂不支持；MODEL_PROXY_API_KEY 有效期短需刷新；未调用 .run() 会静默无结果；重新 push 未带 -d 会静默解除已挂载数据集；视频输入仅支持 YouTube 且限特定 Gemini 模型；log 为顺序而非并发输出。以上收费、价格等信息暂未提供。