feat(vision_mcq): speed benchmark vs VLMEvalKit

[lianghsun]

記錄 Twinkle Eval (Phase 1 vision_mcq) 與 VLMEvalKit 在同等條件下的評測速度對比。

對應 CLAUDE.md

Section 6.4 - 記錄評測速度對比

任務內容

在 docs/evals/vision_mcq.md 的「速度對比」段落記錄：

• Twinkle Eval（單機）：

  • 總耗時
  • 並行 worker 數（max_workers）
  • 模型名稱
  • 題目數量

• VLMEvalKit（同等硬體、同等題數）：

  • 總耗時
  • 模型名稱
  • 題目數量

如 VLMEvalKit 無法在同等環境執行，註明「無法直接對比」並說明原因。

驗收標準

• 文件記錄速度對比數據
• 標明測試環境（GPU/CPU、API endpoint 類型）
• 有 benchmark 規模說明

Part of Milestone #22