Agenten-Evaluation ist deutlich teurer und komplexer als Modell-Evaluation; einzelne Benchmarks wie ExploitBench kosten zehntausende Dollar. Unabhängige Evaluatoren verlieren durch steigende Kosten, eingeschränkten Modellzugang und fehlende Rohdaten (Chain-of-Thought-Traces) an Handlungsspielraum – das beeinflusst direkt, welche Fragen überhaupt gestellt werden.