Da gibts viele Möglichkeiten. 50 Partien sind fast nichts, da kann viel passieren. Es hat schon gute Gründe, warum ich bei meinen richtigen Tests auf meiner Website viel mehr Partien spielen lasse. Auch denkbar, wie schon erwähnt, dies ist das einzige Langprogramm in diesem Testrun, dass Singular Extensions nutzt. Oder der Lyon spielt einige Eröffnungen bevorzugt, mit denen der Milano nicht klarkommt. Die Eröffnungsbücher können extrem verzerrend wirken, leider kann man sie in der ChessEmu nicht umgehen.
Daher muss man sich bei so einem Testrun immer an das Gesamtergebnis halten, wo einzelne Ausreisser hoffentlich halbwegs in der Gesamtzahl der Partien abgefedert werden. Das Ergebnis des Montreux war auch zu gut, er schnitt besser ab, als der TASC R30, der ein sehr ähnliches Programm hat, aber mehr als doppelt so schnell läuft. Der Portorose hätte eigentlich besser abschneiden müssen, so im Bereich von 25% oder darüber.
Die Einzelergebnisse gegen einzelne Gegner sind statistisch bei nur 50 Partien viel zu unsicher. Aber man kann immer hoffen, dass sich solche Ausreisser eben zumindest halbwegs ausgleichen. Portorose- und Montreux-Ergebnis sollten sich z.B. halbwegs gegenseitig ausgleichen.

Was ich aber sicher sagen kann ist, dass kein Fehler meinerseits vorliegt. Ich habe bei jedem Start eines Testruns immer darauf geachtet, dass Spielstufe und Emulationsgeschwindigkeit korrekt waren und mehr kann man ja in Arena, wenn man mit den emulierten Brettcomputern spielen lässt, gar nicht einstellen.