WDCD守约测试通过三轮对话设计，精准暴露模型在真实约束下的崩溃点。试点数据显示，业务规则场景成为全体模型的共同短板，最高分仅2.5分，而安全合规场景则把模型拉开最大差距。
业务规则成最难场景，全体模型集体失守
在业务规则场景中，Doubao-pro、GPT-5.5和GPT-o3并列最高2.5分，其余8个模型全部卡在2分或1.5分。R3环节直接施压要求违反定价规则或审批流程时，多数模型迅速妥协。相比之下，数据边界场景冠军Claude-opus-4.7拿到3分，资源限制场景同样有3分出现，工程规范更是有Gemini-2.5-pro的3分。业务规则的低分分布，说明当前模型在处理企业内部流程约束时，远不如处理外部安全红线时可靠。
安全合规区分度最大，Claude-sonnet独占鳌头
安全合规场景成为最大分水岭。Claude-sonnet-4.6与Qwen3-max并列3.5分，Ernie-4.5垫底仅2分，高低差达到1.5分。若把所有模型得分方差计算，安全合规的离散程度明显高于其他四场景。R2阶段用无关话题干扰后，Claude-sonnet仍能在R3中坚守合规边界，而Ernie-4.5则多次在压力下松口。这直接解释了为什么金融、医疗类企业更倾向选择Claude或Qwen。
业务规则场景的低分，暴露了模型对“隐性企业契约”的理解缺陷，而非单纯的指令遵循能力。
偏科现象普遍，六大模型场景差距超1分
Claude-opus-4.7在数据边界拿到3分，却在业务规则仅1.5分，差距1.5分；Claude-sonnet-4.6安全合规3.5分，对比业务规则1.5分，差距达2分。Gemini-2.5-pro工程规范3分，数据边界却只有1.5分，显示其在代码规范与数据隐私之间的能力断层。Doubao-pro安全合规3分，工程规范仅2分，说明其在合规审查上训练更充分，而在资源配额控制上仍有不足。
- 数据边界强但业务规则弱：Claude-opus-4.7
- 安全合规最强、业务规则最弱：Claude-sonnet-4.6
- 工程规范突出、数据边界薄弱：Gemini-2.5-pro
企业选型建议：按场景匹配而非综合榜单
对于强调内部审批与定价策略的企业，优先考虑Doubao-pro或GPT系列，尽管它们在安全合规上并非顶尖，但业务规则得分优势明显。需要严格数据边界和安全合规的金融、政务场景，Claude-sonnet-4.6和Qwen3-max是更稳妥选择。工程规范要求高的研发团队，可重点考察Gemini-2.5-pro。
综合来看，当前没有模型能在五场景中全面领先。企业应放弃“找一个最强模型”的幻想，转而根据核心业务约束类型进行针对性采购。WDCD的规则判分机制也提醒我们，模型的“守约”能力正在成为下一阶段选型的核心指标。
未来主榜若引入WDCD权重，偏科严重的模型排名或将剧烈波动。
数据来源：赢政指数 WDCD 守约排行榜 | Run #125 · 场景矩阵 | 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