Spracklen 등(USENIX Security '25)은 코드 생성 대규모 언어 모델 (LLM)이 PyPI 또는 npm에 존재하지 않는 패키지 이름을 환각 (Hallucination)하는 현상을 보여주었습니다. 그 비율은 상용 모델의 경우 5.2%에서 오픈 소스 모델의 경우 21.7%에 달하며, 이는 환각된 이름으로 악성 패키지를 등록하는 슬롭스쿼팅 (slopsquatting) 공격 표면을 생성합니다. 우리는 2025년 10월부터 2026년 3월 사이에 출시된 5개의 프론티어 코드 가능 LLM인 Claude Sonnet 4.6, Claude Haiku 4.5, GPT-5.4-mini, Gemini 2.5 Pro, DeepSeek V3.2를 대상으로 그들의 방법론을 재현했습니다. PyPI 및 npm 마스터 리스트를 통해 검증된 199,845개의 Python 및 JavaScript 쌍 프롬프트 전반에 걸쳐, 우리는 전체 환각률이 4.62% (Claude Haiku 4.5)에서 6.10% (GPT-5.4-mini) 사이임을 측정했습니다. 이는 Spracklen이 관찰했던 모델 간 편차를 한 자릿수 수준으로 압축한 것이지만, 위협이 사라진 것은 아닙니다. 재현을 넘어, 우리는 평가된 5개 모델 모두가 동일하게 만들어내는 127개의 패키지 이름 세트(PyPI 109개, npm 18개)를 식별하였으며, 이는 단일 모델 연구로는 밝혀낼 수 없는 모델 불가지론적 (model-agnostic) 공급망 공격 표면을 구성합니다. 나아가 우리는 Spracklen의 2024년 연구 결과를 뒤집는 Python-over-JavaScript 환각 비대칭성을 기록하였고, Anthropic 제품군 내에서 Haiku-below-Sonnet 역전 현상을 식별하였으며, DeepSeek V3.2와 GPT-5.4-mini 사이의 Jaccard 유사도 정점 (J = 0.343)을 관찰하여 공유된 학습 데이터 기원을 시사하는 결과를 도출했습니다.