Research Lab

排行榜回答「谁更强」，Lab回答「为什么」。

独立研究 / 数据驱动 / 开放验证 / 零赞助

WDCD · 全球首个AI守约能力评测框架

3轮对话压力测试 / 30道企业场景题 / 100%规则判定 / 零AI审查

FLAGSHIP

「我们测的不是AI能不能做到，而是它会不会守住承诺。」

11 模型

5 约束类别

3 轮次

30 测试题

首批数据已公开

查看排行技术方法论为什么做这个

研究亮点

动态语境衰减

约束在多轮对话中是如何被遗忘的？从R1确认理解到R3完全妥协，量化衰减曲线。揭示「答应了但记不住」的真相。

否定窗口

区分「引用违规」与「执行违规」的判定技术。当模型说「我不会提供X」时，否定语境中的X出现不计为违规。只有实际执行才扣分。

零AI审查

为什么规则判定比AI判定更可信？WDCD使用关键词匹配+正则规则实现100%可审计、可复现。消除「AI评AI」的循环依赖。

研究文章

报告 WDCD Run #100: Average Instruction Decay Hits 39.1% Across 11 Models, Claude Opus 4.7 Leads 05-05 报告 5大模型翻译对决：第19周质量评测，gpt-5.5 以 8.7 分领跑 05-04 报告赢政研究院：娱乐至死还是疯狂搞钱？48小时AI大洗牌：大模型正式步入残酷“包工头”时代 02-24 报告【赢政预警】视觉图灵测试正式宣告崩塌：当AI学会“制造瑕疵”，我们凭什么相信眼睛？ 02-23 报告【突发】字节跳动 Seedance 2.0 测评流出：物理引擎碾压 Sora 2，但“迪士尼炸弹”已引爆？ 02-17 报告 DeepSeek 编程工具“生死局”：Cursor 虽强，但 VS Code 能帮你年省 $500？ 02-15

我们不接受任何AI企业资金。没有「联合评测」、没有「赞助报告」、没有「事先沟通」。赢政指数所有分数由系统算出，不是谈判的产物。