영국 AI안보연구소(AISI)가 EvalEval 연합의 공개 인프라 'Every Eval Ever' 스키마와 Evaluation Cards 플랫폼을 활용해 벤치마크 평가 결과를 공개하기 시작했다. 이번 공개에는 HealthBench, FrontierMath, Humanity's Last Exam, SWE-Bench Pro, Terminal-Bench 2.0 등 5개 벤치마크에 대해 Claude Opus 4/4.5/4.6, GPT-5/5.2/5.4 등 6개 프론티어 모델의 검증된 결과와 설정 정보가 포함됐으며, 사이버 보안 관련 2개 평가 결과도 함께 공개됐다. 이 데이터는 추론 시점 연산량과 평가 프로토콜이 벤치마크 성능에 미치는 영향을 다룬 AISI 논문을 뒷받침한다. 설정 정보까지 공개된 검증된 결과는 서로 다른 조건에서 나온 점수를 비교·해석하는 참고점이 되어, 재현 가능하고 신뢰할 수 있는 메타 연구 생태계 구축에 기여할 것으로 기대된다.

• •영국 AISI가 EvalEval의 'Every Eval Ever' 스키마로 벤치마크 결과를 공개 공유
• •HealthBench 등 5개 벤치마크와 Claude Opus 4~4.6·GPT-5~5.4 6개 모델의 검증 결과 포함
• •추론 컴퓨트·평가 프로토콜이 성능에 미치는 영향을 다룬 AISI 논문을 뒷받침
• •사이버보안 관련 2개 평가(Cyber CTFs 등) 결과도 함께 공개
• •설정 정보 포함 공개로 평가 간 비교·재현성 있는 메타 연구 지원