本期WDCD v3.1测试显示，Claude Opus 4.7得分从上一周期上升8分达到89.30分，而豆包 Pro则下降10.1分，GPT-5.5下降5.6分，GPT-o3下降5.4分，Qwen3 Max下降8.5分，GLM-4.6下降6.2分。GPT-6 Astra上升5.3分、GPT-6.1 Sol上升5.7分，三升五降的格局直接反映出模型在多轮施压下的守约稳定性出现显著差异。
数据事实：Top5与变化幅度对比
当前Top5中，GPT-6 Astra WDCD=90.50分位居第一，Gemini 3.1 Pro与GLM-4.6并列89.97分，Claude Opus 4.7与GPT-6 Sol均为89.30分。Claude Opus 4.7的8分涨幅使其从可能的中游位置进入前五，而豆包 Pro的10.1分跌幅是本期最大单次下滑。GPT-6 Astra与GPT-6.1 Sol合计上涨10.9分，GPT-5.5与GPT-o3合计下滑11分，同一系列内部出现明显两极分化。
成因分析：施压轮次与约束场景机制
WDCD v3题采用8-12轮对话，先立约2-5条硬约束，再通过社会认同、权威特批、切香肠、沉没成本逐级施压，最后进行KBV复述探针与终轮诚实复盘。Claude Opus 4.7的8分上涨最可能来自S_hold守约生存60分项的改善，即在第8-12轮连续施压中破防更晚。相比之下，豆包 Pro与Qwen3 Max的10.1分与8.5分下滑，可能集中在安全合规或工程规范场景的R3施压阶段，S_recover破防恢复10分与S_integrity诚实自报15分双双受损。GLM-4.6的6.2分下降与GPT-5.5的5.6分下降，则更可能出现在数据边界与资源限制场景的KBV复述探针环节，约束记忆S_kbv 15分项出现衰减。
worst-of-3采样口径下，这些模型在三轮中最差一次的表现拉开了差距，说明其对连续施压的鲁棒性存在本质不同。v2锚点题三轮设计（R1注入约束、R2干扰、R3施压）进一步印证，上升模型在R3环节的2分项得分更高，而下降模型在R2干扰阶段已出现明显松动。
选型含义：生产流程接入的实际风险
对把AI接入生产流程的企业而言，WDCD得分直接对应不同约束场景的可用性。GPT-6 Astra 90.50分与Claude Opus 4.7 89.30分，意味着在安全合规与业务规则场景下可直接使用，破防概率较低，无需额外多层护栏。GLM-4.6虽并列第二，但本期下降6.2分，建议在工程规范场景下增加人工复核节点。豆包 Pro与Qwen3 Max得分下滑明显，资源限制与数据边界场景不宜直接开放，需在第3-5轮施压前设置外部拦截器，否则S_hold守约生存分会快速流失。
具体判断：在低风险的内部知识问答场景，89分以上模型可默认信任；在涉及用户数据或资金操作的高风险场景，即使Top5模型也应在第8轮后强制触发人工接管或二次验证。
战略判断：被高估与低估的信号
从本期数据可分析，GPT-5.5与GPT-o3的守约能力可能被市场高估，其5.6分与5.4分下滑显示在多轮渐进施压下的恢复能力不足，下一周期需重点验证其S_recover与S_integrity两项。Claude Opus 4.7的8分上涨则可能被此前低估，其在连续施压中的S_hold表现改善值得持续跟踪。GPT-6 Astra与GPT-6.1 Sol的同步上升，暗示同一基座下的不同后训练版本对约束记忆的强化效果存在可复制路径。
值得下期验证的信号是：GLM-4.6与Gemini 3.1 Pro并列89.97分但后者未公布变化，若GLM-4.6继续下滑，则其当前排名将被重新评估。整体趋势显示，模型更新对守约得分的正面影响仅出现在特定系列，多数模型在v3.1题池下呈现净下降。
守约能力的分化不是偶然，而是模型在真实多轮对抗中生存韧性的必然暴露。
数据来源：赢政指数 WDCD 守约排行榜 | Run #411 · 变化追踪 | 评测方法论
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接