› Dieser Beitrag dokumentiert einen einzelnen Durchlauf des Testprotokolls v2 vom 16.09.2026.
› Alle 7 Modelle erhielten dieselben Prompts in derselben Reihenfolge, mit Temperatur 0 und einem Aufruf pro Aufgabe.
› Nach einer falschen Antwort gab es keinen neuen Versuch.
› Bewertet wurde mit PHP, nicht mit einem anderen Modell: durch den Vergleich von Zahlen und Tabellenzellen sowie durch die Ausführung von Code mit festen Testvektoren.