测评 三轮施压后33次完全崩溃,Qwen3 Max守约率垫底 v2锚点题数据显示,R3平均诚信率仅53.5%,33/390次完全崩溃。Qwen3 Max R3崩溃率30.8%,Gemini 3.1 Pro与Grok 4为0。分析聚焦多约束场景下的逐轮衰减规律与选型风险。 WDCD 守约测试 模型约束衰减 AI生产部署 1天前 186