Gemini 2.5 Pro WDCD暴涨25.1分 6模型进步仅豆包Pro跌6.3
本期WDCD v3.1测试显示Gemini 2.5 Pro上涨25.1分、Gemini 3.1 Pro上涨17.4分，DeepSeek V4 Pro以97.70分登顶，6模型进步仅豆包Pro下降6.3分，揭示多轮施压下守约能力分化。
约束遵守 相关资讯
Grok 4守约93.21分登顶 WDCD榜 Qwen3 Max74.31垫底
Grok 4以93.21分位列WDCD守约榜第一，Qwen3 Max以74.31分垫底，头部与尾部相差18.9分。满分率58%，R3崩溃率9.1%。Claude Sonnet 4.6较上期下降5.0分，豆包 Pro上升7.5分。
WDCD守约榜：Gemini 3.1 Pro 97.7分领跑 Qwen3 Max 70.3分垫底
Gemini 3.1 Pro以97.70分位居WDCD v3.1守约榜首位，Qwen3 Max 70.30分垫底，11模型中满分率68.2%，R3崩溃率仅2.7%。头部与尾部在R3施压阶段差距达2.00分，生产接入需重点关注安全合规场景。
Grok 4 97.5分登顶 WDCD守约榜 Qwen3 Max 69.5分垫底差距28分
Grok 4 以97.50分位列WDCD v3.1守约榜第一，Qwen3 Max以69.50分垫底，头部与尾部相差28分。11个模型中满分率63.6%，R3崩溃率6.4%。Claude Opus 4.7较上期上升6.1分，豆包 Pro下降7
Grok 4 94.80分登顶WDCD守约榜 豆包Pro 64.20分垫底差距30分
Grok 4以94.80分位居WDCD v3.1守约榜首，豆包Pro以64.20分垫底，头部与尾部相差30.6分。11个模型中满分率54.5%，R3崩溃率8.2%。Claude Opus 4.7单期提升6.8分，Gemini 3.1 Pro
GPT-5.5 88.33分登顶 GPT-o3 61.67分垫底 R3崩溃率22.1%
WDCD测试中GPT-5.5以88.33分夺冠，GPT-o3仅61.67分垫底，头部尾部差距26.66分，R3崩溃率22.1%。11模型中仅43.6%满分，新老版本表现剧烈分化。
WDCD守约榜70分三雄并列第一 文心一言50分崩盘垫底
Claude Opus 4.7、GPT-5.5、GPT-o3并列70分领跑，文心一言4.5仅50分垫底。R3崩溃率高达59.1%，满分率仅29.1%，头部与尾部差距达20分，Grok 4单期暴涨10.8分。
从Prompt Injection到WDCD：我们测的不是攻击，而是日常
WDCD不同于传统提示注入或越狱测试，它关注的是普通工作流中用户自设约束如何被模型放弃。Run #105中Q239全部11/11模型在正常业务压力下将FastAPI约束改为Flask，没有任何恶意注入，只有一句"先给我能跑的"就击穿了防线。