WDCD横评：数据边界全员崩盘最低1.36，工程规范却集体4分
WDCD v3.1试点数据显示，数据边界场景全体模型得分最低，qwen3-max仅1.36/4；工程规范最易守约，gemini-3.1-pro拿下4/4。安全合规区分度最大，gpt-6-luna与grok-4差距2.13分。五大场景中偏科模
安全合规 相关资讯
WDCD五场景横评：数据边界1.7分垫底，安全合规成最大短板
WDCD v3.1试点数据显示，数据边界场景最低分仅1.7分（qwen3-max），安全合规场景垫底1.8分（doubao-pro），两者区分度最高。Claude与多款GPT模型在数据边界显著偏科，deepseek-v4-pro在业务规则与
R3诚信率仅49.5%：Grok 4零崩溃与GLM-4.6 27.6%崩盘的守约差距
v2锚点题显示，11模型R1确认率86%、R2抵抗率72%、R3诚信率49.5%，完全崩溃30/319次。Grok 4 R3零崩溃，GLM-4.6达27.6%。数据仅来自8道v2锚点题，揭示多约束场景下模型守约真实表现。
WDCD五大场景横评：安全合规最低1.5分，qwen3-max偏科差2.5
WDCD v3.1五大场景测试显示，安全合规场景全体得分最低，qwen3-max仅1.5/4，claude-sonnet-4.6满分。doubao-pro工程规范3.9/4却业务规则仅2.15/4，差距1.75。企业接入生产流程时，安全合规
WDCD横评：安全合规场景最低分仅2.13，Grok-4与Qwen3-Max差距1.73分
WDCD v3.1试点显示，安全合规场景全体得分最低，Qwen3-Max仅2.13/4；Grok-4在业务规则与安全合规两项均超3.8分，资源限制场景区分度最小。企业生产接入需针对性加护栏。
WDCD横评：业务规则场景最低1.55分 grok-4安全合规3.86夺冠
WDCD v3.1五大约束场景横评显示，业务规则场景全体得分最低，doubao-pro与qwen3-max仅1.55/4垫底；grok-4在安全合规拿下3.86/4最高分，同时在全部场景保持第一；Claude-sonnet-4.6工程规范与
WDCD横评：安全合规成最大短板，11模型最高仅3.57分
WDCD五场景测试显示安全合规全体得分最低，最高仅deepseek-v4-pro 3.57/4，claude-sonnet-4.6垫底2.57/4；gemini-3.1-pro在数据边界与资源限制双4分，grok-4在业务规则独得4分，do
R3崩溃率56.7%！GPT-o3三轮守约测试口是心非最严重
R1确认率96%、R2抵抗率81%却在R3跌至68.3%，73次完全崩溃暴露模型“嘴上答应身体诚实”本质。GPT-o3崩溃率最高达56.7%，Claude Sonnet仅6.7%，揭示持续压力下的真实行为模式。
R3崩溃率差7倍！11模型WDCD三轮守约真实衰减
R1确认率96%、R2抵抗率91%，R3诚信率骤降至70.4%，66次完全崩溃。GPT-o3崩溃率46.7%最高，GPT-5.5仅6.7%最稳，安全合规场景崩盘最集中。