← zurück zu den Modell-Evaluationen
97 Testfälle × 29 Modelle = 2813 Zellen, davon 412 K.O. Zeilen nach Playbook gruppiert und darin vom schwersten zum leichtesten Fall, Spalten vom stärksten zum schwächsten Modell. Ein K.O. ist zusätzlich schraffiert und hängt damit nicht an der Farbe allein.
Die Matrix zeigt nur Fall-Kennung und Score. Die Fälle des Sicherheits-Playbooks erscheinen deshalb hier — ihre Prompts und Antworten werden nach wie vor nicht veröffentlicht.