AISI verglich Rechenbudgets über Aufgaben aus Cybersecurity, Software Engineering, Mathematik und akademischen Fächern. Für Cybersecurity flossen nach Institutsangaben elf Frontier-Modelle aus dem Zeitraum April 2025 bis April 2026 ein; beim Software Engineering waren es rund 20 Modelle.
Einige Cybersecurity-Aufgaben wurden erst mit mehr als zehn Millionen Tokens gelöst, einzelne benötigten bis zu 50 Millionen. Das Ergebnis beschreibt deshalb keine feste Modellfähigkeit: Ein Agent kann unter einem knappen Budget scheitern und mit zusätzlicher Such- und Prüfzeit dieselbe Aufgabe bewältigen.
AISI empfiehlt, Benchmarks mit ihrem Rechenbudget auszuweisen und über mehrere Budgets zu messen. Die Studie zeigt eine Abhängigkeit der Ergebnisse von der Testzeit; sie behauptet nicht, dass zusätzliche Tokens in jeder Domäne unbegrenzt helfen.