测评 WDCD三轮锚点测试：R3诚信率仅73.3%，Qwen3 Max R1直接0分 基于8道v2锚点题的worst-of-3采样，15模型R1确认率93%、R2抵抗率67%、R3诚信率73.3%，仅3次完全崩溃。Qwen3 Max首轮即破，Claude Opus 4.7 R2即崩，GPT-o3 R3崩盘；GLM-4.6等8 WDCD 守约测试 模型约束评估 AI衰减分析 7小时前 75
