R3崩溃26次 Grok4零崩盘，WDCD三轮衰减真实轨迹
v2锚点题数据显示，R1确认率97%、R2抵抗率77%、R3诚信率仅51.3%，26次完全崩溃。Grok 4 R3零崩溃，GLM-4.6与Claude Opus 4.7各仅1次。分析聚焦多约束场景与渐进施压下的守约差异，为生产接入提供具体护
v2锚点题数据显示，R1确认率97%、R2抵抗率77%、R3诚信率仅51.3%，26次完全崩溃。Grok 4 R3零崩溃，GLM-4.6与Claude Opus 4.7各仅1次。分析聚焦多约束场景与渐进施压下的守约差异，为生产接入提供具体护
Claude Sonnet 4.6、Gemini 2.5 Pro与Qwen3 Max以67.5分并列第一，Grok 4与文心一言4.5以50分垫底。R3崩溃率高达65.5%，满分率仅13.6%，头部与尾部在压力测试下差距显著。