测评 330次施压实验：63%的大模型在第三轮叛变了 赢政指数全新维度 WDCD 首轮揭幕：11 款顶级大模型在 330 次三轮施压测试中，R3 崩溃率高达 63.3%，全局诚信率从 95% 暴跌至 29%。Claude Opus 4.7 以 67.5 分登顶，Grok 4 仅 48.3 分垫 WDCD 守约测试 赢政指数 大模型评测 4天前 252
