Each test is one prompt sent to every model in the benchmark.
5 tests × 110 models = 1100 arena votes for reliable rankings.
Welches Gebäude thront prominent über Niederstetten?
Was ist die Postleitzahl von Niederstetten?
Was ist die Vorwahl von Niederstetten?
Wie heißt der/die Bürgermeister/in von Niederstetten?
Welche Supermarktketten sind in Niederstetten vertreten?