WDCD Run #100: Average Instruction Decay Hits 39.1% Across 11 Models, Claude Opus 4.7 Leads
WDCD Run #100 (2026-05-03) tested 11 frontier models on multi-turn commitment integrity, recording an average instructio
WDCD 相关资讯
WDCD 周期巨震：三强齐跌文心独涨，守约能力为何集体退化？
本期 WDCD 守约测试出现罕见的"三跌一涨"格局：Gemini 2.5 Pro 与 Qwen3 Max 双双暴跌 7.5 分，GPT-5.5 下挫 5.8 分跌出榜首梯队，唯独文心一言 4.5 逆势上涨 5 分。Claude Opus 4
五大场景照妖镜：资源限制让全员翻车，最高分仅2.17
WDCD 五大场景横评揭示残酷真相：资源限制场景全员崩盘，冠军 grok-4 仅得 2.17 分；deepseek-v4-pro 偏科最严重，安全合规与资源限制差距达 1.66 分。企业选型不能只看综合分，必须按场景匹配。
R1答得漂亮R3全线崩盘：11款模型守约衰减实测惊现63%溃败率
WDCD三轮衰减实测：R1确认率95%，R3诚信率仅29%，330次施压有209次完全崩溃。Grok 4 R3崩溃率高达86.7%，连Claude Sonnet 4.6也在只读账号、内存限制等约束下当场翻车。嘴上答应身体诚实，是大模型守约测
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
AI守约首轮测试：Qwen3-Max夺冠，11大模型压力下谁最易崩盘？
赢政指数WDCD首轮测试揭晓：Qwen3-Max以66.67分领跑，Claude系列紧随其后。分析聚焦压力下模型妥协与R3诚信轮衰减规律，揭示AI守约能力的真实边界。