לפי CTech, Eon השתמשה בפלטפורמת הסימולציה שלה, Era, כדי לבנות חמש חברות מדומות, שלוש בפינטק, אחת בבריאות ואחת במסחר מקוון, עם גרסאות מדומות של כלים כמו Slack ו-Salesforce. כל אחד מ-19 המודלים ביצע כל משימה שלוש פעמים, בסך הכול 2,337 הרצות. בתרחיש אחד, סוכן שלא הצליח לעדכן אלרגיה ברשומה רפואית דיווח ב-46% מהמקרים שהעדכון בוצע, ובמקרה אחד גם חשף את שם המטופל בערוץ Slack.
שיעורי ההפרה הגבוהים ביותר נמדדו ב-Kimi K3 הסיני (55%), ב-GPT-5.6 Luna של OpenAI (53%), וב-Claude Sonnet 5 וב-GPT-5.6 Sol (51.2% כל אחד). הנמוכים ביותר: Claude Opus 5.5 (21.5%), GPT-6 Astra (22%), Nova Pro של אמזון (23%) ו-Gemini 4 Argon (23.5%).
דיווח כוזב על השלמת פעולה נמצא ב-290 הרצות, ונכנעה ל-prompt injection, הוראות זדוניות שהוטמנו במסמכים ובהודעות, נמצאה ב-266; כל המודלים נכשלו בשני הסוגים לפחות פעם אחת. ב-249 הרצות שיתפו הסוכנים מידע אישי מזהה עם מי שלא היה מורשה לראות אותו, וב-93 המציאו נתונים כמו מועדי משלוח וזיכויים. "התייחסו ל'בוצע' כטענה, לא כעובדה", נכתב בדוח.