Em 2026-09-27, a Bridgebench anunciou o NerfBench, um projeto de benchmarking voltado a verificar se os modelos mudam após o lançamento de formas que afetam a qualidade ou o custo. Segundo a Bridgebench, cada modelo recebe um benchmark no dia do lançamento que se torna sua pontuação de referência de 100%, e novos testes posteriores medem o desempenho, os tokens usados e o custo por tarefa.
A Bridgebench afirma que pontuações entre 90% e 110% são consideradas variação normal, enquanto resultados abaixo de 90% são sinalizados como possível degradação. O projeto também informou que destinou $10,000 para acompanhar se os laboratórios de IA "reduzem" os modelos após o lançamento.
A configuração não demonstra intenção por si só, mas oferece às equipes uma forma repetível de separar reclamações anedóticas de verificações de regressão medidas em qualidade, uso de tokens e custo unitário.