소프트웨어 엔지니어링은 인간에 의해 수행되든 AI 에이전트에 의해 수행되든, 소프트웨어가 어떻게 동작하는지에 대한 추론을 필요로 합니다. 우리는 이러한 추론을 지원하는 내부 모델을 소프트웨어 월드 모델 (Software World Model)이라고 부르며, 현재의 코드 실행 벤치마크는 그중 잘 연구된 한 부분인 제어 흐름 (Control Flow)을 다루고 있다고 간주합니다. 본 논문에서 우리는 관찰 가능한 축을 실행 리소스 (Execution Resources)로 전환함으로써 더 광범위한 평가를 향한 발걸음을 내딛습니다. 테스트 결과 및 예외 클래스 (Exception Class)와 더불어, 우리는 피크 메모리 (Peak Memory), 실제 실행 시간 (Wall-clock Time), 그리고 메서드 및 라인 단위의 순위가 매겨진 프로파일러 (Profiler) 출력을 예측합니다. 테스트를 실제 소프트웨어 엔지니어링 작업에 가깝게 유지하기 위해 SWE-bench Verified를 데이터 소스로 사용합니다. 프런티어 (Frontier) 모델들을 포함하여 테스트된 모든 모델은 완만한 성능과 취약한 동작을 보였으며, 이는 모델들이 소스 코드가 어떻게 작성되는지가 아니라 소프트웨어가 어떻게 실행되는지에 대한 이해가 현저히 부족함을 시사합니다.