속보01 / AI
기업용 에이전트 평가 통합한 EGI-BENCH 공개
모든 능력 축을 앞선 모델은 없었다고 저자들은 보고했으나 deep 모드 점수는 초록에 실리지 않았다.

Zhiwei Liu 등은 10월 19일 arXiv에 제출한 논문 EGI-BENCH에서 언어 모델을 평가했다고 보고했다(n=14, quick 모드). 논문 페이지에 독립 재현 결과는 제시되지 않았다.
저자들은 CRMARENA부터 LOCOBENCH까지 기업용 에이전트 벤치마크 여덟 개를 명령줄 도구 하나로 묶었다고 보고했다. 평가 범위는 고객관계관리(CRM) 업무, 이종 문서 검색, 도구 호출, 장기 조사, 긴 맥락의 소프트웨어 개발에 걸친다. 실행은 시간 예산이 다른 quick·deep 두 모드로 나뉘고, 이번 점수는 quick 모드에서 측정됐다.
저자들이 정의한 EGI(Enterprise General Intelligence) 점수는 여섯 차원(M1-M6)으로 구성된다. 저자들은 종합 EGI 점수가 39.6(GPT-4o mini)에서 65.6(gpt-5.5)까지 분포했다고 보고했다(n=14, quick 모드).
한 모델이 모든 능력 축을 앞서지는 못했다고 저자들은 보고했다. 저자들에 따르면 gpt-5.5는 과제 결과·계획·검색 근거 제시에서, Claude Sonnet 4.5는 도구 실행과 안전·응답 보류에서 앞섰다. 엔지니어링 품질에서는 Claude Haiku 4.5가 가장 앞섰다고 저자들은 보고했다.
초록이 밝힌 점수는 GPT·Claude·Gemini 계열의 quick 모드 결과로 한정된다. 저자들은 코드를 공개했다고 밝혔으며, 외부 연구진의 재현 결과는 논문 페이지에 제시되지 않았다.
기존 평가는 저장소마다 실행기·의존성·채점 규칙이 달라 벤치마크 간 비교가 어렵다고 저자들은 주장했다. EGI 점수는 벤치마크 단위 평균을 쓰지 않고, 벤치마크별 세부 지표를 각 차원에 배정하는 방식이라고 초록은 설명했다.
초록은 deep 모드 점수와 M1-M6 차원별 점수를 보고하지 않았다.