Я не думаю, что у них есть задача кого-то фильтровать. Особенно "какой-то процент". Все таки первая и главная цель - разработка и популяризация языка. Фильтрация и усложнение - это буквально противоположное направление от их цели. А тесты действительно искусственные, но а как иначе за какое-то разумное время оценить знания человека? Естественно, в них есть поправка на волнения, нервы, ошибки.
Ну не могут же Салоники приставить к человеку экзаменатора на неделю, чтоб наблюдать за ним, как тот говорит с местными, пишет смски и емейлы, читает книжки и пересказывает их экзаменатору)
Понятное дело, что в естественной среде и со словарем, мы, скорее, можем лучше. Но, повторюсь, им надо как-то разбить на уровни и как-то его оценить. Этим они и занимаются. Синтетические бенчмарки - они всегда такие, странные ;)

получается, правильный ответ - Король Ночи? Он же за стеной главный