OpenAI 감사 결과, SWE-Bench Pro 작업의 30%가 깨진 상태로 추정돼 AI 모델 코딩 능력 평가의 신뢰성 문제가 제기됐어요. SWE-Bench Pro는 현실적인 코딩 과제를 목표로 했지만, 공개 작업 통과율이 8개월 만에 23.3%로 급감했어요. AI 모델 배포와 안전성 판단에 중요한 코딩 능력 평가 방식 개선이 필요하다는 지적이에요.