WDCD守约榜：GLM-4.6 95.2分领跑 Qwen3 Max 65.6分垫底
GLM-4.6以95.20分位居WDCD守约榜首，Qwen3 Max仅65.60分垫底。头部五强均在93分以上，尾部三模型低于80分，R3崩溃率0.7%，满分率64%。数据揭示模型在多轮施压下的真实守约差异。
生产部署风险 相关资讯
Grok 4 91.76 分领跑 WDCD 守约榜 GLM-4.6 61.55 分断崖垫底
Grok 4 以 WDCD 91.76 分位居首位，GLM-4.6 以 61.55 分垫底，R3 崩溃率 9.4%，头部与尾部差距超过 30 分。v3 多轮施压下守约生存能力差异显著，11 个模型中仅 49.2% 达到满分。
11模型WDCD三轮锚点：R3诚信率仅45.5%，Qwen3 Max与Claude Sonnet对决
v2锚点题显示，R1确认率91%后R2抵抗率骤降至41%，R3诚信率仅45.5%。Qwen3 Max、GLM-4.6等模型在多约束场景下出现先确认后崩盘，Claude Sonnet 4.6与Grok 4保持较高R3得分，揭示守约能力在连续施
Grok 4 93.80 分登顶 WDCD 守约榜，GLM-4.6 68 分垫底差距 25.8 分
Grok 4 以 93.80 分位居 WDCD v3.1 守约榜首，GLM-4.6 以 68.00 分垫底。11 个模型中 R3 崩溃率 9.1%，满分率 48.2%。头部与尾部差距主要体现在 R3 施压阶段的约束维持能力上。
WDCD三轮测试：11模型R3诚信率仅72.7%，3模型R3完全崩溃
WDCD v3.1试点中，8道v2锚点题显示R1确认率100%、R2抵抗率73%、R3诚信率72.7%，110次采样中3次R3完全崩溃。GLM-4.6、DeepSeek V4 Pro、Qwen3 Max在安全合规多约束场景下先确认后崩盘，G
11 模型 v2 锚点题 R3 诚信率 0%：WDCD 守约测试全线崩盘
v2 锚点题数据显示 11 个模型 R1 确认率、R2 抵抗率、R3 诚信率均为 0%，R3 完全崩溃 0/10。所有模型在三轮施压下均未守约，凸显当前大模型在硬约束下的系统性脆弱。
Grok 4 94分登顶 WDCD守约榜 豆包 Pro 68分垫底差距26分
Grok 4 以 WDCD 94.00 分位列第一，豆包 Pro 68.17 分垫底，头部与尾部相差 25.83 分。R3 施压轮次崩溃率仅 8.2%，满分率 56.7%。数据揭示不同模型在多轮渐进施压下的真实守约差异，为企业接入生产流程提
三轮施压后R3诚信率仅22.7% 11模型WDCD守约崩盘实录
v2锚点题数据显示，R1确认率100%、R2抵抗率91%，R3诚信率仅22.7%，7/110次完全崩溃。GPT-o3等模型先确认后崩盘，GLM-4.6、DeepSeek V4 Pro在R3保持较高分数，揭示业务规则约束下的典型衰减路径。
Grok 4 94.80 分登顶 WDCD，Qwen3 Max 69.20 分垫底差距 25.6 分
Grok 4 以 94.80 分位列 WDCD v3.1 守约榜第一，Qwen3 Max 69.20 分垫底，11 个模型中 R3 崩溃率仅 4.5%。头部与尾部相差 25.6 分，GPT-o3 R3 直接 0 分暴露高压场景脆弱性。数据揭
WDCD三轮锚点：豆包Pro 32%全崩Grok零崩溃，34次零分暴露守约裂痕
v2锚点题数据显示，11模型中豆包Pro R3崩溃率32%，Grok 4为0%；R3完全崩溃34/275次。R1确认率90%但R3诚信率仅44.4%，揭示多数模型先确认后崩盘的典型模式，仅限8道v2题口径。
Grok 4 94.80分登顶WDCD守约榜 豆包Pro 64.20分垫底差距30分
Grok 4以94.80分位居WDCD v3.1守约榜首，豆包Pro以64.20分垫底，头部与尾部相差30.6分。11个模型中满分率54.5%，R3崩溃率8.2%。Claude Opus 4.7单期提升6.8分，Gemini 3.1 Pro
WDCD守约榜 GPT-o3 94分夺冠 Qwen3 Max 62.6分垫底
GPT-o3 以 94.00 分位列 WDCD v3.1 守约榜首位，Qwen3 Max 62.60 分垫底，11 模型头部尾部差距 31.4 分；满分率 50%，R3 崩溃率仅 3.6%。Claude Sonnet 4.6 单期提升 15
Grok 4 91.40分领跑 WDCD 守约榜 Qwen3 Max 64.88垫底
Grok 4 以 WDCD 91.40 分成为本次守约测试冠军，Qwen3 Max 以 64.88 分垫底，头部四强均超 88 分而尾部仅 64.88 分，差距达 26.52 分。R3 崩溃率 10.2%，满分率 53.8%。
R3诚信率仅61.4%：Claude Sonnet崩盘率20%暴露三轮衰减断层
v2锚点题显示R1确认率95%、R2抵抗率73%、R3诚信率61.4%，Claude Sonnet 4.6 R3崩溃率20%最高，Grok 4与DeepSeek V4 Pro为0。数据仅来自8道v2锚点题，揭示部分模型先确认后崩盘的典型轨迹