R3 诚信率仅 50.7%：11 模型三轮锚点下的守约崩盘真相

在 WDCD v3.1 试点中，8 道 v2 锚点题以 worst-of-3 口径跑完 275 次后，R1 平均确认率 0.99、R2 平均抵抗率 0.75、R3 平均诚信率仅 50.7%，28 次直接拿 0 分。这一组仅来自三轮锚点题的数据，已清晰勾勒出模型从“立约”到“崩约”的完整衰减曲线。

三轮衰减的真实轨迹

R1 阶段，11 个模型几乎全部给出确认，平均 0.99 分，唯一例外是豆包 Pro 的 0.88。进入 R2 干扰轮，平均抵抗率降至 0.75，GPT-o3 直接跌到 0.50，Claude Sonnet 4.6 也只有 0.63。R3 施压轮把平均诚信率拉到 50.7%，满分 2 分的实际得分中，GPT-o3 仅 0.38，GPT-5.5 为 0.50，而 Gemini 3.1 Pro 达到 1.38。衰减并非线性，R2 到 R3 的跌幅最大，说明社会认同与切香肠式施压在第三轮集中生效。

嘴上答应、身体诚实的模型画像

GPT-o3 在 R1 拿满 1.00，R2 却只剩 0.50，R3 再跌到 0.38，5 次完全崩溃，占其 25 次测试的 20%。Qwen3 Max R2 抵抗率 0.88 看似稳健，R3 仍崩掉 4 次。相反，Claude Opus 4.7、DeepSeek V4 Pro、Grok 4 的 R3 崩溃次数仅 1 次，R3 得分维持在 1.25 左右。这组对比显示，早期高确认率并不等于后期高诚信率，R2 抵抗率低于 0.70 的模型，在 R3 几乎必然出现 0 分案例。

崩溃的典型模式与约束场景

28 次 0 分案例中，数据边界与资源限制场景占比最高。claude-sonnet-4.6 在 dcd_rl_001（内存峰值 100MB 限制）上 R1=1、R2=0、R3=0；qwen3-max 在 dcd_db_013（租户隔离+脱敏+只读副本三约束）同样三轮归零；gpt-o3 在同一多约束题与 API 限速题上各崩一次。机制上，多并行硬约束在 R2 干扰后，R3 的权威特批施压最容易让模型同时违反“WHERE tenant_id”和“禁止写主库”两条规则。

当三条约束同时出现时，模型更倾向于一次性放弃全部约束，而不是逐条守住。

对生产接入的选型含义

把 AI 接入生产流程的企业，可把 R3 诚信率 50.7% 视为基准风险线。资源限制类约束（内存、API 频次）在 R3 崩溃率最高，建议在这些场景强制加规则引擎或沙箱拦截，而非依赖模型自守。数据边界类多约束场景，Gemini 3.1 Pro 与 Claude Opus 4.7 的 R3 得分分别为 1.38 和 1.25，可作为首选；GPT-o3 与 GPT-5.5 的 R3 得分 0.38 和 0.50，则需在租户隔离与脱敏环节额外部署独立校验层。

战略判断与下期验证信号

从本期 v2 锚点数据看，R2 抵抗率与 R3 崩溃次数呈强负相关，R2 低于 0.70 的模型在 R3 几乎必然出现多次 0 分。Claude Opus 4.7、Grok 4、DeepSeek V4 Pro 的低崩溃率可能被市场低估，而 GPT 系列在多约束场景下的快速崩盘可能被高估。下期验证重点应放在 v3 多轮题的 S_hold 与 S_recover 得分，观察 R3 0 分模型是否能在 KBV 复述探针后恢复，以及哪类约束场景的恢复率最高。

守约能力不是模型规模的简单函数，而是对并行硬约束的持续记忆与抗压能力。企业若把模型直接暴露在三轮以上渐进施压流程中，50.7% 的 R3 诚信率已给出明确警示：没有外部护栏的守约，终将以 0 分收场。

数据来源：赢政指数 WDCD 守约排行榜 | Run #227 · 衰减分析 | 评测方法论