======================================================================
RESULTADOS FINAIS (avaliados por juiz Qwen3-4B-Instruct)
======================================================================
Qwen2.5-3B           média  97.5/100  | [95, 100, 100, 95, 95, 100, 100, 95]
BlazerApex-2B        média  88.1/100  | [30, 100, 95, 95, 95, 100, 95, 95]
MiniCPM5-2B          média  75.0/100  | [30, 100, 85, 75, 30, 100, 85, 95]