IBM은 GLM-5.3-flash를 고정한 AppWorld 90개 과제에서 CUGA 73개, Hermes 42개, Deep Agents 27개가 성공했다고 보고했다. 3개 변형을 모두 통과한 시나리오는 각각 20개, 8개, 2개였다. CUGA는 작업 분해, 도구 범위 축소, 실행 전 검증과 결과 반성 등을 사용했다. 그러나 하네스 설정은 동일하지 않았고 한 벤치마크의 소규모 평가다. 정책 기능은 시험에 사용하지 않았으므로 실제 업무에 맞는 하네스를 고르는 근거이지 보편적 성능이나 승인 규칙의 안전성을 입증한 결과는 아니다.