En este artículo se prueban varios LLM en un dominio específico utilizando un sistema de Generación Aumentada por Recuperación (RAG). El estudio se centra en el rendimiento y comportamiento de los modelos y se llevó a cabo en español. Se creó un cuestionario basado en La Biblia, que consiste en preguntas que varían en complejidad de razonamiento, con el fin de evaluar las capacidades de razonamiento de cada modelo. El sistema RAG empareja una pregunta con el pasaje más similar de La Biblia y alimenta el par a cada LLM. La evaluación tiene como objetivo determinar si cada modelo puede razonar únicamente con la información proporcionada o si ignora las instrucciones dadas y hace uso de su conocimiento preentrenado.