Central A2UI evaluation harness

Central A2UI evaluation harness and data points covering top use cases and models, to allow us to make further data-driven optimizations. See [A2UI Inference Performance Project Scope](https://docs.google.com/document/d/1BDILK5Wktik1Pce_pjPBdRoVTWWJQSx9y7gJvObwy4c/edit?tab=t.0) (internal Google document)

A issue referencia um documento interno do Google para o escopo, que não é acessível. Sem o documento, os requisitos específicos, pontos de entrada ou código de avaliação existente são desconhecidos. Um newcomer precisaria entender a arquitetura do projeto A2UI, as pipelines de inference existentes, e definir quais métricas e modelos avaliar. Comece procurando scripts de avaliação ou benchmarks existentes no repositório.

Escrita pelo modelo de indexação a partir do texto da issue.