业务规则1.83分最低，Grok-4安全合规3.86分，五大场景守约谁最不可靠
WDCD v3.1试点数据显示，业务规则场景平均得分最低，Doubao-Pro仅1.83/4；Grok-4在资源限制、安全合规、业务规则三场景均列前二；工程规范整体最高但区分度最小。企业接入生产流程时需针对性加护栏。
AI可靠性 相关资讯
安全合规最低1.15分 WDCD横评揭11模型2.85分守约鸿沟
WDCD v3.1五大场景横评显示，安全合规场景全体得分最低，qwen3-max仅1.15/4；工程规范11模型全部4/4。claude-sonnet-4.6与doubao-pro偏科差距分别达1.75分和2.3分，企业生产流程接入需针对性
WDCD横评揭秘：业务规则成11模型集体滑铁卢，安全合规区分度拉满2分
WDCD测试显示业务规则场景整体得分最低，垫底仅1/4；安全合规区分度最大达2分；gemini-2.5-pro、gpt-5.5等模型偏科差距2分，企业选型必须按场景匹配。
豆包Pro稳定性暴跌19.8分，同题不同答成最大软肋
赢政指数最新评测显示，豆包Pro稳定性从54.5分骤降至34.7分，跌幅达19.8分。这意味着模型在回答同类题目时表现出严重的不一致性，同样的问题可能得到截然不同的答案，这对需要稳定输出的生产环境构成重大隐患。
Claude 4.6版本崩了：23分暴跌背后的算法黑洞
Claude Sonnet最新4.6版本稳定性暴跌23分，从54.2跌至31.2。测试数据显示，该模型在处理实际工程问题时出现严重退化，暴露出当前AI模型在面对真实复杂场景时的脆弱性。
Anthropic Claude AI连续两天宕机：需求爆炸引发的“甜蜜崩溃”
Anthropic的Claude AI于2026年3月2日至3日连续两天发生全球服务中断，影响数千用户，包括登录失败、输出错误和API不稳定。公司归咎于‘前所未有需求’激增，与App Store排名飙升相关。X平台用户强烈不满，标签#Cla