대부분의 의료 AI 벤치마크는 모델이 정답을 알고 있는지 여부를 측정합니다. MedFailBench는 다른 질문을 던집니다. 어떤 안전 경계가 실패했는지? 우리는 임상의가 구축한 합성(synthetic) 벤치마크와 실패 아틀라스(failure atlas)를 제시하며, 이는 의료 AI 오류를 심각도(severity, 1~5)와 안전 게이트 유형(missed urgent escalation, unsafe remote dosing, unsafe discharge reassurance, evidence fabrication, unsafe protocol execution, source support gap)별로 라벨링합니다. 현재 공개된 버전(v0.2.1)에는 심각도 주석이 달린 임상의 검토 합성 사례 44개, 라이브 HuggingFace 리더보드 미리보기, 안전 게이트 분류 체계(safety gate taxonomy), 임상 심각도 루브릭(clinical severity rubric), 그리고 모델-응답 스크리닝 실행 아카이빙을 위한 자동화된 파이프라인이 포함되어 있습니다. 환자 데이터, 임상 검증 주장 또는 모델 순위는 포함되지 않습니다. MedFailBench는 Apache-2.0 및 CC-BY-4.0 하에 공개되었으며 Zenodo DOI 10.5281/zenodo.21205535를 가집니다.