| | Single-turn questions | Threaded | | Accuracy (%) by condition |
| Provider | Q1 | Q2 | Q3 | Q4 | Q5 | Q6 | Q7 | Q8 | Q9 | Q10 | Q11 | Q12 | Q13 | Q14 | A1 | A2 | B1 | Overall (%) | V1 | V2 | V3 |
| Claude | ∙ ∙ × | ∙ ∙ × | ∙ ∙ × | ∙ ∙ × | ∙ ∙ × | ∙ ∙ × | ∙ ∙ × | ∙ ∙ × | ∙ ∙ | ∙ ∙ | ∙ ∙ | ∙ ∙ | ∙ ∙ | ∙ ∙ | ∙ ∙ × | ∙ ∙ × | ∙ ∘ × | 97 | 100 | 94 | – |
| Gemini | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | 100 | 100 | 100 | 100 |
| Llama 3.3 (Groq) | ∙ ∙ ∘ | ∘ × ∙ | × ∙ ∙ | ∙ ∙ ∘ | ∙ × ∙ | ∙ ∙ ∙ | × ∙ ∘ | ∘ ∘ ∘ | ∙ ∙ ∙ | × ∘ ∙ | ∘ ∙ ∘ | ∘ ∙ ∘ | ∙ ∘ ∘ | × × ∙ | ∘ ∙ ∙ | ∙ ∙ ∙ | × × ∘ | 62 | 58 | 77 | 53 |
| GPT | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∘ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | | ∘ ∘ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | 94 | 88 | 94 | 100 |
| Gemma 4 (Ollama) | ∙ ∙ ∙ | ∙ ∘ ∙ | ∙ ∙ ∙ | ∘ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∘ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | ∙ ∙ ∙ | | ∘ ∘ ∘ | ∙ ∘ ∙ | ∙ ∙ ∙ | ∘ ∘ ∘ | ∙ ∙ ∙ | ∙ ∙ ∙ | 79 | 81 | 69 | 88 |