Я вчера Лагг-3-43 гонял таким образом. 16 синих, 16 красных. Побеждают синие. Поменял цвет (один хрен типы одинаковые, так почему бы и нет?). Победили красные.
Поставил BF109f2 с обеих сторон. Тот же результат - побеждает команда противника независимо от цвета.

Я так думаю, в такой постановке тест некорректен. Скорее всего, команда "чистых" ботов более грамотно строит тактику - более цельно, что ли...
Надо не так - надо в полном редакторе ставить команды ботов - стенка на стенку, что называется. Там они будут в равных условиях. И вот если командный бой на однотипных самолетах будет приводить к примерно равному результату, тогда можно попробовать сравнить разнотипные.

Хотя и это все фикция. Боты-то летают по другим правилам. У них и аэродинамика отличается от "игроковой" и управление двигателем. Вот Damage Model таким манером проверять очень даже можно.

Идея! (В порядке бреда, разумеется - не бейте, если юмора не оцените ;-)
Хватит дергать палку - давайте мыслить стратегически!
Итак, есть данные разведки (наличие аэродрома, его прикрытие и т.п., сами придумайте). Так вот, задача игрока сформировать боевую команду ботов (полный редактор, естественно), проставить им маршруты, дать задачу так, чтобы обеспечить максимальный урон противнику при минимальных своих потерях.
Разумеется, надо как-то ограничивать экстенсив - то есть если вы поставили себе сложнейшую задачу разбомбить аэродром со статическими объектами без прикрытия и успешно справляетесь с ней путем отсылки туда 16 бомбардировщиков, то это нифига не интересно со стратегической точки зрения.

Ставьте себе реальные задачи и пытайтесь их решать реальными методами, играя такими вещами, как грамотная организация налета, эшелонирование и проч.

Иными словами, вы даете своим летунам вводную и отправляете в бой, смахивая скупую мужскую. А потом анализируете результат и делаете выводы о своей компетенции полководца ;-)

Как вам идейка? Прошу высказываться.