测评 11模型WDCD三轮测试：R1 95%承诺，R3 65次直接崩盘 11模型WDCD三轮测试显示，R1平均确认率95%，R2抵抗率87%，但R3诚信率仅35.9%，65/110次完全崩溃。Claude Opus与GPT系列R3表现领先，而Grok、Qwen3 Max、豆包Pro等模型“嘴上答应身体诚实”现象 WDCD 守约测试 三轮衰减 模型诚信 6小时前 75
