fix: antwortendes Modell erfassen; 0.040, LaTeX-Dezimalkomma und Teilfragen-Überschriften

- CallRecord.responded_model / LLMUsage.responded_models: tatsächlich antwortendes
  Modell (beim Alias ~deepseek/deepseek-flash-latest) in Log, Report und Benchmark
- normalize_number: führende Null ist nie Tausender (0.040 wurde als 40 gelesen)
- numbers_in: LaTeX-Dezimalkomma 0{,}08 als eine Zahl
- question_ids_in: '### Teil N' als Teilfrage; ausdrückliche Marker haben Vorrang
  vor nummerierten Listen

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

benchmark/benchmark.py

@@ -125,6 +125,7 @@ def run_case(case: dict, model: str, run_no: int) -> dict:
                    objective_value=None, objective_ok=False, questions=fragen, answered=0, answer_findings=0,
                    task_ok=False, solver_error="; ".join(result.reliability_issues), reliable=False, restarts=0,
                    providers=result.usage.providers if result.usage else {},
+                   responded_models=result.usage.responded_models if result.usage else {},
                    llm_calls=result.usage.calls if result.usage else 0,
                    reasoning_tokens=result.usage.reasoning_tokens if result.usage else 0,
                    cost_usd=result.usage.cost_usd if result.usage else None,
@@ -159,6 +160,7 @@ def run_case(case: dict, model: str, run_no: int) -> dict:
         reliable=result.reliable,
         restarts=result.restarts,
         providers=result.usage.providers,
+        responded_models=result.usage.responded_models,
         llm_calls=result.usage.calls,
         reasoning_tokens=result.usage.reasoning_tokens,
         cost_usd=result.usage.cost_usd,
@@ -208,6 +210,12 @@ def print_table(rows):
         cost = sum(r.get("cost_usd") or 0 for r in mine)
         print(f"  {model}: Ergebnis korrekt {hits}/{len(mine)}, Aufgabe erfüllt {erfuellt}/{len(mine)}, Routing korrekt {routing}/{len(mine)}, "
               f"Ø {seconds:.0f} s pro Lauf, Kosten gesamt ${cost:.4f} (ohne abgebrochene Läufe)")
+        antwortend = {}
+        for r in mine:
+            for name, n in (r.get("responded_models") or {}).items():
+                antwortend[name] = antwortend.get(name, 0) + n
+        if antwortend and set(antwortend) != {model}:
+            print(f"    Modell laut Antwort: {antwortend}")
 
     for r in rows:
         if r.get("error") or r.get("solver_error"):