LLM (Large Language Models)을 위한 지식 벤치마크는 세 가지 문제에 직면해 있습니다: 학문적 대표성 (disciplinary representativeness)을 실행 가능하게 구현하지 못하는 확장 중심의 설계, 게으른 합의 (lazy consensus)를 허용하는 균등 지급 방식의 주석 작업 (flat-payment annotation), 그리고 제한된 테스트 예산 하에서의 검증되지 않은 순위 불안정성입니다. 우리는 261개의 세분화된 학문 분야에 걸친 899개 항목의 벤치마크인 KINA를 소개하며, 두 가지 공식적인 결과를 제시합니다. 첫째, 우리는 대표성을 전문가가 도출한 앵커 (anchors)에 대한 커버리지 스타일의 목표로 설정하고, 대리 지표 (proxy)를 통해 학문적 대표성을 실행 가능하게 구현하여 (1-1/e) 탐욕적 근사치 (greedy approximation)를 산출합니다 (Proposition 1). 이 보장은 인구 통계학적 대표성이 아닌 대리 지표에 적용됩니다. 둘째, 우리는 보너스 지급 토너먼트 (bonus-on-bar tournament)가 공개된 리뷰 품질 측면에서 균등 지급 방식보다 약하게 FOSD (First-Order Stochastic Dominance) 우위에 있음을 증명하며, 이때 유인 일치성 (incentive-compatibility) 임계값은 B > Delta C / Delta p_min 입니다 (Theorem 1). 13개 연구소의 42개 모델을 평가한 결과, 최상위 모델인 Gemini-3.1-Pro-Preview가 53.17%를 기록했으며, Claude-Opus-4.6이 49.92%, GPT-5.4가 48.55%로 그 뒤를 이었으며, 포화 상태(saturation)까지는 여전히 상당한 여유가 남아 있습니다. 전체 리더보드는 매끄러운 전체 순서라기보다는 계층적 구조를 보여줍니다: 48% 위에 소수의 프런티어 계층 (frontier tier)이 존재하고, 약 38-45%에 걸쳐 밀집된 강력한 모델 계층 (strong-model tier)이 형성되어 있으며, 성능이 낮은 모델들은 10%의 확률 기준선(chance baseline)을 약간 상회하는 수준에 머물러 있습니다. 도구 증강 (Tool augmentation)은 5가지 도구 사용 평가 전반에 걸쳐 최대 5.17포인트를 추가하며, 그 이득은 모델마다 크게 다릅니다. 우리는 제한된 예산의 분산 (bounded-budget variance)을 명시적으로 드러내고 인접한 순위에 대한 과도한 해석을 방지하기 위해 부트스트랩 순위 안정성 (bootstrap ranking-stability) 통계를 보고합니다.