ベンチマークは、Greenberger–Horne–Zeilinger（GHZ）状態の忠実度を直接忠実度推定（DFE）で測定し、GME（真のマルチパートイトエンタングルメント）の閾値 F = ½ と統計的に比較して、最も大きいGHZ状態を求めるものである。これは【f1】。

DFE は、各サイズごとに忠実度推定量 Y と誤差 ε を得て、Y ± ε と F = ½ を比較する統計的判定規則を適用する方法である。実験はクラウド経由で実施され、デフォルトコンパイルのみ使用し、誤差補正は行わない。これにより、エンドユーザーが実際に経験する性能が反映される。判定規則は、Y + ε ≥ ½（成功）と Y − ε ≥ ½（認証）で二段階に分かれ、ここの設定により合格器具が大きく変わる。これは【f2】。

9 つの商用アクセス可能な量子プロセッサを対象に、最も大きい GHZ サイズを算出した。最小構成の IBM Phoenix（Nighthawk r2）は 27 個、IBM Basquecountry（Heron r2）は 24 個まで成功した。これらはそれぞれデバイスの総レジスタ容量の 1/4 未満である。対照的に、12 個のトラップドイオンプロセッサ AQT IBEX Q1 は、フルレジスタ（12 個）で合格した。これは【f3】。

判定規則を厳密に認証（Y − ε ≥ ½）にすると、成功したデバイス数は 9 から 4 に減少する。さらに、一般に報告される中央値のキャリブレーションデータは、ベンチマーク結果を予測するのに不十分である。これらの制限は、中央値データの欠陥と判定規則の感度に起因する。これは【f4】。