OpenAI@OpenAIAI 점수5252

OpenAI는 유럽연합(EU) 법인 고객의 AI 이용 가운데 절반이 넘는 비중이 AI 에이전트 관련이 되었다고 공개했다. 역내 중소기업 사용자 수는 8배로 늘었으며, Economic Research 보고서에서 유럽의 에이전트형 AI로의 전환을 분석하고 있다. https://openai.com/index/the-eus-next-chapter-in-ai-is-agentic/

AI at Meta@AIatMetaAI 점수5858

AI at Meta는 Muse Spark 1.3과 Muse Wonder를 활용한 인간 주도 연구 스캐폴드로 AI가 의료 연구를 어떻게 가속할 수 있는지 검증하고, 연구 원고 10편을 공개했다. 시스템은 익명화된 500만 건의 후향적 전자 의무기록과 공개 데이터에 접근할 수 있었으며, 연구는 의료 전문가가 수행했다. 자세한 내용은 연구 블로그 https://go.meta.me/3U06wvD 에서 확인할 수 있다.

AI, 수학에 이어 이론과학으로… MIT 연구가 보여주는 정답률의 급상승

MIT의 Neil Thompson 등의 연구에 따르면, 확률론, 통계학 이론, 경제 이론, 고에너지 이론, 중력·우주론, 양자물리학 등 이론 문제에서 최고 성능 AI 모델의 정답률은 2024년 중반 약 2%에서 2026년 중반 약 35%로 상승했다. 연구진은 o1, o3, GPT-5부터 GPT-5.5까지의 OpenAI 모델을 학습 데이터 마감 이후에 발표된 논문의 문제로 검증했으며, 인터넷 연결도 차단했다. Thompson은 수년 안에 많은 이론 문제가 AI에 의해 크게 달라질 것으로 보고 있다.

Google DeepMind@GoogleDeepMindAI 점수2626

Gemini 4 Argon은 양자 컴퓨팅, 핵융합, 단백질 설계 등의 분야에서 이미 새로운 과학적 돌파구를 열고 있다. 🧵

AI로 다른 단백질을 절단하는 단백질을 설계, 연구자들이 성공

연구자들은 AI 기반 단백질 설계 도구를 사용해 두 종류의 프로테아제에서 촉매 코어만 남기고 나머지 부분을 모두 교체한 효소를 만들었다. 이 효소는 특정 단백질을 절반으로 자르도록 조정할 수 있으며, 신경 질환과 관련된 단백질의 절단에서 효과가 확인되었다.

Google Research, Research@ 2026에서 인간의 창의성을 증폭하는 10가지 시도를 소개

Google Research는 Mountain View에서 개최한 Research@ 2026에서 과학자와 개발자를 위한 AI 관련 10가지 시도를 발표했다. Google Earth AI는 조기 접근을 확대하고, 70개 이상의 지리공간 도구를 기반으로 실험적인 에이전트 간 API 등 3가지 새로운 활용 방식을 제공한다. Deep Review는 일반에 공개되었으며, TimesFM과 TabFM은 Gemini for business에 통합될 예정이다.

White Circle, OpenAI·Google 이미지 생성 모델의 가드레일을 우회하는 공격 기법 RISE 보고

AI 안전 기업 White Circle은 DALL·E 3, Nano Banana 2, GPT-Image-2의 안전 필터를 시판·공개된 도구와 API 호출만으로 우회할 수 있는 공격 기법 RISE를 프리프린트 논문으로 보고했다. 사람이 검토해 노골적인 이미지로 확인된 비율은 DALL·E 3에서 약 13%, Nano Banana 2에서 10% 미만, GPT-Image-2에서 약 3%였다. OpenAI와 Google은 Ars Technica의 논평 요청에 응하지 않았다.

음성 기반 모델의 언어 선택적 차원을 이용한 코드스위칭 검출

연구팀은 사전 학습된 음성 인코더의 언어 선택적 은닉 상태 차원을 활용해, 음성에서 직접 코드스위칭(발화 중 언어가 전환되는 현상)을 검출하는 경량 기법을 제안했다. CS-FLEURS의 14개 언어 쌍 실험에서 Whisper-small 인코더는 평균 F1 0.798을 기록해, CNN의 0.776과 단일 언어 식별용으로 학습한 HuBERT 선형 베이스라인의 0.751을 웃돌았다. 이 결과는 사전 학습된 음성 인코더가 코드스위칭 발화를 식별하는 데 필요한 정보를 이미 부호화하고 있음을 시사한다.

Apple, 세 가지 모달리티 Masked Diffusion Models의 설계 공간을 대규모로 분석

Apple 연구진이 텍스트, 이미지-텍스트 쌍, 음성-텍스트 쌍으로 사전 학습한 최초의 세 모달리티 Masked Diffusion Models(MDM)를 발표하고 그 설계 공간을 체계적으로 분석했다고 밝혔다. 예비 모델은 3B 규모에 6.4T 토큰으로 학습했으며, 텍스트 생성, T2I, T2S 각 과제에서 강력한 결과를 얻었다고 한다. 또한 물리적 배치 크기와 논리적 배치 크기를 분리하는 SDE 기반 재매개변수화를 적용해 최적 배치 크기를 조정할 필요를 없앴다고 보고했다.

BlenderWorld, 실제 세계 참조 기반 3D 제작을 평가하는 비주얼 에이전트용 벤치마크

BlenderWorld는 Blender에서 수행하는 실용적인 3D 제작 과제에 대해 멀티모달 언어 모델을 평가하는 벤치마크다. 건축, 제품, 자연 환경, 과학 시각화 분야에서 223개 과제를 마련했으며, 텍스트, 이미지, 동영상, 구조화된 사양을 입력으로 받는다. 13개의 최신 모델을 평가한 결과 GPT-6-Astra가 종합 점수 79.9점으로 1위를 차지했으며, Opus-5(73.0점), GPT-5.6-Sol(67.7점)이 뒤를 이었다. 다만 3D 공간의 일관성과 정확한 구조 재현에는 여전히 큰 과제가 남아 있다.

대화형 동영상 생성에서의 Speculative Sampling

Speculative Sampling은 자기회귀형 동영상 생성을 대화적으로 작동시키기 위한 학습이 필요 없는 기법이다. 양방향 어텐션 윈도우 방식의 MiniMax H3에 적용하면 Self-Forcing 계열의 자기회귀 후학습을 거치지 않고도 대화형으로 바꿀 수 있으며, 새로운 사용자 입력부터 첫 응답 프레임이 표시되기까지의 엔드투엔드 지연 시간은 약 1.4초다. 모델은 한 번에 5초 분량의 동영상을 동시에 샘플링한다.

Function-Space Policy Optimization(FSPO), 자기 증류 기반 정책 최적화 제안

제안된 방법인 FSPO(Function-Space Policy Optimization)는 현재의 특권적 적응과 함수 공간에서의 시간적 통합을 결합한 단일 정책 프레임워크이다. 과거 next-token 분포의 희소한 이력을 고정된 시간적 타깃으로 저장하여, 영구적인 교사 모델을 두지 않고도 시간적 분리를 구현한다. 원문에서는 최근의 자기 증류 정책 기법인 SDPO 대비 상당한 개선을 보였다고 소개하고 있다.

LEV: 루프형 의사결정 모델로 구현한 빠른 사고와 깊은 사고

LEV는 루프형 백본을 다시 실행하고 각 루프 뒤에 선택지를 채점하는 의사결정 모델로, 하나의 체크포인트에서 사고의 깊이를 바꿀 수 있다. JevBench 공개 231문항에서 Lev-2.6B는 1루프의 63.2%에서 4루프 76.2%로 향상되었다(+13.0%p). 적응형 정지기는 루프 연산을 15~24% 줄이며, 정확도 하락은 0.3~0.8%p에 그쳤다(오프라인 분석).

RoTA-Bench, 대화형 투영 정렬로 3D 공간 추론 평가

RoTA-Bench는 2D 관측에서 정밀한 3D 회전 제어로 변환하는 Vision-language model의 능력을 대화형 3D-2D 투영 정렬 과제로 평가하는 벤치마크다. GPT-5.6-Sol의 성공률은 과제의 17%에 그쳐, 학부생 20명이 테스트 집합을 4회 완료했을 때의 성공률 100%와 큰 차이가 난다. 모델은 사람에 비해 같은 상태에서 이미지 겹침은 개선하면서 자세 정렬은 악화시키는 비율이 높았고(19.4% 대 10.9%), 조작 이력을 제외하면 행동의 96.8%가 30도 단위의 거친 단계가 되어 성공률도 크게 떨어진다.

MAI-Gym, 모바일과 PC의 GUI 에이전트 평가와 강화학습을 통합한 오픈 플랫폼

MAI-Gym는 모바일, 컴퓨터, 웹 환경에 걸친 GUI 에이전트의 평가, 데이터 수집, 온라인 강화학습(RL)을 하나로 묶은 오픈 플랫폼이다. 이를 활용해 훈련한 9B 모델 MAI-Gym-9B는 10B 미만의 오픈 GUI 에이전트 중 최고 수준으로 평가되며, MobileWorld에서 78.4%, OSWorld-Verified에서 76.2%를 기록했다. 프레임워크, 스킬, 모의 앱, 검증된 과제 2,000건, 모델 체크포인트도 함께 공개됐다.

Interlock, 장기 과제 에이전트를 완료까지 이끄는 학습 데이터 합성 프레임워크 제안

Interlock은 과제를 타입이 지정된 완료 그래프로 표현하고, 구성 요소 간 제약을 지키면서 장기 과제용 학습 데이터를 합성하는 프레임워크다. 검증을 통과한 궤적으로 Qwen3.6의 두 가지 백본을 미세 조정한 결과, AutomationBench의 합격률은 4.00~4.50포인트, JobBench의 가중 점수는 3.20~6.64포인트, Harvey LAB의 기준 합격률은 3.89~4.16포인트 향상됐다.

통합 멀티모달 모델의 생성 측 표현을 활용해 세밀한 시각 이해를 높이는 «GAFU»

GAFU는 통합형 멀티모달 모델(UMM)의 생성 측 표현을 컴팩트한 G 토큰으로 압축하여, 이해 측이 과제에 따라 이를 참조할 수 있도록 하는 사후 학습 프레임워크다. 같은 데이터로 학습한 SFT 베이스라인을 다양한 시각 이해 과제와 UMM 아키텍처 전반에서 앞섰으며, VStar-Bench, OmniSpatial, VSR-Bench에서의 상대적 개선폭은 최대 각각 20.00%, 17.94%, 8.62%다. 생성 경로의 보완적 정보가 세밀한 시각 이해의 향상으로 이어질 수 있음을 보여준다.

BizBench: 실무에서 장기간 에이전트를 운영할 때 드러나지 않는 과제를 검증하는 벤치마크

BizBench는 결제 기업의 실제 업무 절차를 바탕으로, 장기간 과업을 수행하는 에이전트의 중간 실행이 타당한지 평가하는 멀티턴 방식의 벤치마크다. 프런티어 모델도 목표를 부분적으로 달성하는 데 비해 제약 위반이 많아, Claude Opus 5와 GPT-6 Sol의 엄격한 성공률은 각각 64.0%, 61.3%에 그쳤다. Qwen3.8-27B는 목표 달성률이 42.0%이지만 엄격한 성공률은 32.7%로 떨어져, 결과만 평가하면 무효한 실행이 드러나지 않음을 보여준다.

PrismaCoder, 분해형 루브릭 합성으로 오픈 멀티모달 코드 생성 강화

PrismaCoder는 루브릭 기반 파이프라인으로 멀티모달 코드 데이터를 합성·선별해, 시각적 코딩 과제에서 독점 모델에 필적하는 오픈 모델을 구현했다고 밝혔다. 학습용 데이터로 논문이 최대 규모라고 밝힌 오픈 데이터셋 'PrismaCoder-2M'을 구축했으며, PrismaCoder-9B와 PrismaCoder-35B를 학습해 공개했다. 동일한 루브릭은 데이터 필터링과 시각적 코딩 과제의 강화학습 보상에 함께 사용된다.

WorldCast, 세계 상태 예측에서 지능형 시각 생성을 탐구

다단계 세계 상태 예측을 평가하는 벤치마크 'WorldCast'가 제안됐다. 8개 카테고리 320개 사례로 12개 모델을 평가한 결과, GPT-Image-2.5 System은 72.8점, Nano Banana Pro는 42.8점, 최고 성능의 오픈소스 모델은 20.1점을 받았다. 강력한 생성 모델은 기반 언어 모델의 능력도 효과적으로 활용하고 있다.

확산 모델의 학습과 추론 간 격차를 보정하는 「Correction Training」

확산 모델의 예측을 다듬는 보정 모듈(corrector)을 학습시켜 exposure bias를 줄임으로써, 가이던스 없이도 샘플 품질을 높이는 기법이 제안되었다. DiT, SiT, JiT에서 평가했으며, 가이던스 없는 생성의 FID를 크게 개선했다. CFG와 함께 사용하면 다양성이 높아지고 과포화도 억제된다. 나아가 보정된 예측을 베이스 모델에 증류함으로써, 추론 시 비용을 늘리지 않고도 품질 향상을 유지할 수 있다.

CarryOn: 장기 작업용 AI 에이전트를 위한 객체지향 컨텍스트 구축

CarryOn은 장기 작업을 수행하는 AI 에이전트가 대화 이력을 반복해서 압축하는 대신, 재사용 가능한 작업 진행 상황으로부터 작업을 재개할 수 있도록 하는 객체지향 컨텍스트 런타임이다. OSWorld 2.0과 BrowseComp-Plus에서 성능은 각각 5.8포인트, 7.0포인트 향상됐다. 동시에 총 토큰 사용량은 각각 51.9%, 22.9% 줄었다.

Apple 연구, 데이터 제약 하의 사전학습에서는 하이퍼파라미터 조정보다 이중언어 혼합이 효과적

연구에서는 데이터가 제한된 저자원 언어의 사전학습에서 고자원 언어의 데이터를 섞는 방법이 하이퍼파라미터 조정보다 성능을 크게 개선한다는 결과가 나왔다고 밝혔다. 150M에서 1.43B 파라미터까지 4개 규모에서 아랍어에 영어 데이터를 섞은 약 1000회의 사전학습을 비교했으며, 검증 손실과 하위 작업 정확도 모두에서 혼합 방식이 우위를 보였다. 혼합의 효과는 목적 언어 고유 데이터 2~3배분(검증 손실), 2~13배분(하위 작업 정확도)에 해당하며, 검증 손실만으로는 혼합의 가치가 과소평가된다.

LLM2R, 대규모 언어 모델을 이용한 3D 부품 조립 기법

LLM2R는 사전 학습된 decoder-only LLM으로 3D 부품 조립을 시퀀스 모델링으로 다루고, 모든 부품의 자세를 한 번의 추론으로 예측하는 기법이다. 부품 수가 100개인 경우 Breaking Bad의 부품 정확도는 GARF를 33.5포인트, PartNet의 부품 정확도는 Assembler를 29.1포인트 앞질렀다. PartNet의 3개 카테고리 모두에서 부품 정확도와 성공률이 최고 기록을 세웠다.

자기 진화형 에이전트 하네스(Self-Evolving Agent Harness) 프레임워크

모델의 가중치를 고정한 채, 피드백에 기반해 프롬프트, 메모리, 워크플로, 실행 가능한 컴포넌트 등 에이전트의 소프트웨어 기반(하네스)을 개정하는 자기 진화형 프레임워크가 제안됐다. 채택된 개정은 실행 간에 유지되며, 진화적 최적화를 통한 탐색과 지속적 PAC 학습을 통한 신뢰성 분석이 이루어진다. 기대 일반화 경계와, 새로 독립적으로 마련된 검증 데이터를 이용한 고확률 채택 규칙 등 이론적 결과가 제시됐으며, 코드와 보충 자료도 계속 갱신되고 있다.

Socratic Skill Learning, 교육과 실습을 번갈아 수행해 전이 가능한 에이전트 스킬을 학습

Socratic Skill Learning(SSL)은 전문가의 지도와 학습자의 실습을 번갈아 결합해 에이전트가 재사용할 수 있는 스킬을 학습하는 기법이다. 주요 평가 세트(22개 패밀리·155개 케이스)에서 Fixed-Window SSL은 효용 0.801을 기록해, 스킬이 없는 경우의 0.723, Trace2Skill(궤적 증류)의 0.761, SKILL-KD(대조 증류)의 0.751을 웃돌았다.

Into the Unknown, 미해결 과학 연구 과제로 AI 에이전트를 평가하는 벤치마크

Into the Unknown는 논문과 연구 방향을 주고 AI 에이전트가 후속 논문을 쓰게 하는 벤치마크다. 9개의 최신 에이전트가 작성한 135편의 제출물 가운데 모든 조건을 충족한 것은 없었고, 114편이 정합성 검사에서 실패했다. 코드와 데이터는 공개되어 있다.

Qwen@Alibaba_QwenAI 점수3434

Qwen은 초장기(XLong) 에이전트 학습을 위한 기반인 QwenGyre를 발표했다. 이는 탄력적 RL을 도입한 것이다. Elastic Scheduler가 rollout과 training의 GPU를 수요에 따라 재배분하여, Colocate 방식 대비 최대 1.85배, Async 방식 대비 최대 1.78배 빨라진다. Qwen3.8-2.4T-A95B에 적용했으며, rollout 1회당 약 700K 토큰 규모에서 NL2RepoBench 점수를 48스텝 만에 52.5%에서 58.5%로 개선했고, 학습 시간은 Async 방식 대비 약 44% 줄었다.

Import AI 476: 시각적 직관 추론 벤치마크 HSS, 우주를 향한 AI 경쟁, AI의 연구 감각

Elorian과 Scale AI가 시각적 장면이 암시하는 정보를 추론하는 능력을 측정하는 벤치마크 "Humanity's Sixth Sense"를 공개했다. 인간의 pass@1 점수는 93.1인 반면, 최고 성능 모델인 GPT 6 Astra는 53.6, GLM-5.3-flash는 26.8, Kimi K3는 25.5를 기록했다. 이 밖에도 우주에서의 AI 우위를 논한 AI Frontiers 기사와 AI의 연구 감각을 측정하는 TasteVal을 함께 다룬다.

SELFCOMPACT, 언어 모델 에이전트가 스스로 문맥을 압축하는 기법

SELFCOMPACT는 모델 스스로 문맥을 언제, 어떻게 압축할지 결정하는 에이전트용 스캐폴드다. 압축 도구와 압축해야 할 때와 억제해야 할 때를 정하는 경량 루브릭을 결합해, 파인튜닝 없이 적응형 압축을 구현한다. 6개 벤치마크(경쟁 수학과 에이전트형 검색)와 7개 모델로 평가한 결과, 고정 간격 요약과 같거나 그 이상의 성능을 더 적은 토큰 비용으로 달성했다. 수학에서는 요약을 하지 않은 베이스라인보다 최대 18.1포인트, 에이전트형 검색에서는 5~9포인트 높았으며, 문제당 비용은 30~70% 낮았다.

LLM 기반 기계번역 품질 평가, 사람과 모델의 일치도는 많은 설정에서 신뢰성이 낮아

기계번역(MT) 품질 평가에서 LLM과 인간 어노테이터의 일치도를 MQM과 ESA 두 가지 평가 방식으로 검증한 연구다. 70개 언어쌍의 장문 테스트 세트와 WMT23·WMT25 데이터를 활용한 결과, LLM의 일치도가 인간끼리의 일치도를 웃도는 경우도 있었으나 많은 설정에서는 양쪽 모두 신뢰성이 충분하지 않았다. 인간은 세분화된 MQM과 저자원 언어쌍에서, LLM은 경미한 오류와 오류 구간(error span) 어노테이션에서 과제를 안고 있는 것으로도 나타났다.

AlphaFold가 단백질 폴딩을 아직 풀지 못한 이유, Google DeepMind와 Biohub의 대담

Google DeepMind의 Pushmeet Kohli와 Biohub의 Sal Candido가 Brandon Anderson의 사회로 AlphaFold가 단백질 폴딩 문제를 해결하지 못한 이유를 논의한다. 논의 주제에는 단백질 동역학, 무질서 영역, 정적 구조 예측의 한계가 포함된다. 연산 자원이나 데이터를 늘리는 것만으로는 생물학 문제를 풀 수 없으며, 적절한 스케일링 법칙을 찾는 것이 중요하다고 한다.

Nathan Lambert, AI는 빠르게 발전하지만 범용 초지능으로 향하지는 않을 것이라고 전망

Nathan Lambert는 AI 에이전트 덕분에 인프라와 엔지니어링이 몇 년 안에 크게 가속화되겠지만, 모델의 본질이 극적으로 바뀌지는 않으며 범용 초지능으로 이어지지도 않을 것이라고 전망하고 있다. 추론 비용은 몇 년에 걸쳐 거의 지수함수적으로 떨어지고, 아키텍처와 데이터 선택에 관한 사전 학습 연구의 자동화도 2~3년 안에 현실화될 것으로 본다. RL 환경의 품질 개선도 단기적으로 여지가 큰 분야로 꼽았다.

BridgeWAM, Latent Bridge Queries로 영상과 행동 Expert를 연결

BridgeWAM은 World Action Models(WAMs)에서 영상 Expert와 행동 Expert를 32개의 Latent Bridge Queries(LBQs)를 통해 분리하여, 행동 예측의 효율과 일반화 성능을 높이는 기법이다.

실행 모델 능력에 맞춘 스킬 적응으로 하네스 자기 진화 개선

강한 모델용 스킬은 약한 모델에서 효과가 적거나 성능을 떨어뜨리는 것으로 나타났으며, 이에 실행 모델의 능력에 맞춰 스킬을 다시 쓰는 '스킬 적응'을 제안한다. 103개의 태스크-스킬 조합에서 GPT-5.6-luna는 31.1점 향상된 반면 Gemma-4-E4B는 8.8점 하락했다. 고정된 메타 스킬로 약한 모델을 개선한 결과, 7개의 실행 모델에서 최종 점수가 2.0~5.1점 향상되었다.

OpenMobile-2、확장 가능한 환경과 앱 네이티브 도구로 범용 모바일 에이전트 구축

OpenMobile-2는 모바일 에이전트의 환경, 데이터, 벤치마크, 모델을 모두 오픈소스로 공개했다. MobileGym++은 사람과 코딩 에이전트의 협업으로 구축한 상용 스타일 앱 35개를 포함하며, 에뮬레이터형 앱과 합쳐 110개 이상의 앱을 제공한다. GUI 조작과 앱 네이티브 도구 호출을 결합하는 설정을 제안했으며, 실기기 모바일 과제에서 거의 2배의 성능을 달성했다.

Periodic Labs의 리엄 페두스와 Ekin Dogus Cubuk, '합성 초지능' 구상을 밝히다

Periodic Labs의 리엄 페두스(Liam Fedus)와 Ekin Dogus Cubuk가 Latent Space 팟캐스트에 출연해 물리 실험에 기반한 강화학습을 통한 '합성 초지능(synthesis superintelligence)' 구상을 밝혔다. 두 사람은 지능만으로는 과학적 발견에 충분하지 않으며, 프런티어 모델에서도 물리적 실험이 여전히 필요하다고 주장한다. 실패한 실험도 중요한 학습 데이터가 된다고 보고, 상온 초전도체와 새로운 자석, 배터리 등의 소재 탐색을 논의했다.

Normalizing Trajectory Models(NTM), 엄밀한 우도를 유지하면서 적은 단계로 이미지를 생성하는 기법

Apple의 연구팀이 확산 모델의 각 역방향 단계를 엄밀한 우도로 학습할 수 있는 조건부 Normalizing Flow로 표현하는 Normalizing Trajectory Models(NTM)를 제안했다. 자기 증류를 통해 4단계만으로 고품질 샘플을 생성할 수 있다. 텍스트-이미지 벤치마크에서는 강력한 이미지 생성 베이스라인과 같거나 그 이상의 성능을 4단계 생성만으로 보였다고 한다.

Google Research, 특허 작성에 AI 지원이 전문성을 높이는가 해치는가를 3개월 현장 실험으로 검증

지적재산권법 변호사 133명을 대상으로 미공개 Google Labs 개발 AI 특허 작성 지원 도구를 3개월간 사용하게 하는 현장 실험을 진행하고, NBER에 논문을 공개했다. AI를 사용한 경우 작성 점수는 10일 후 0.34SD, 90일 후 0.38SD 향상되었으나, AI 없이 수행한 첨삭 과제에서 개선이 확인된 것은 시니어 변호사뿐이었고 주니어 변호사에게는 뚜렷한 개선이 없었다.

올바른 화면, 잘못된 전환: GUI 에이전트 검증기로서의 월드 모델

LGWM은 다음 화면의 표현을 직접 예측하는 디코더 없는 행동 조건부 월드 모델로, GUI 전환을 검증하여 하이재킹된 화면을 탐지한다. RSWT-BENCH에서 학습이 필요 없는 점수는 17밀리초에 AUC 0.987을 기록해 가장 강력한 클로즈드소스 VLM과 비슷한 수준이며, 생성형 GUI 월드 모델보다 약 10포인트 높고 지연 시간은 세 자릿수 이상 짧다. 유해한 위반과 무해한 위반을 구별하는 데서는 잔차 방향이 AUC 0.953에 도달했으며, 프롬프트를 준 VLM은 우연에 가까운 수준이다.