WDCD五场景横评：数据边界全员最低，qwen3-max仅1.36分

WDCD v3.1五场景横评显示，数据边界场景全体得分最低，qwen3-max仅1.36/4，远低于工程规范场景的最高分4/4。

数据边界为何成为最难场景

数据边界场景中，gemini-2.5-pro以3.48/4排名第一，gpt-5.5紧随其后为3.4/4，而qwen3-max垫底1.36/4，doubao-pro也仅2.64/4。相比之下，资源限制场景冠军gemini-3.1-pro达到3.76/4，整体中位数更高。这表明数据边界约束在多轮施压下更容易被突破。

成因在于v3题设计的立约阶段同时注入2-5条并行硬约束，连续施压包含权威特批与切香肠策略，直接考验模型对数据边界的初始记忆。采样采用worst-of-3后，qwen3-max在R3施压轮次得分显著下滑，说明其在沉没成本抬压下优先放弃约束而非坚持。

业务规则场景区分度最大

业务规则场景中，gpt-6.1-sol以3.88/4领先，gemini-2.5-pro仅2.23/4，差距1.65分，是五场景中最大。claude-opus-4.7为3.48/4，grok-4则为3.03/4。这种分布显示业务规则约束对模型的规则优先级排序能力要求最高。

从v2锚点题看，R1注入约束后，gpt-6.1-sol在R2干扰与R3施压中仍保持高分，而gemini-2.5-pro在R3得分明显下降。KBV复述探针阶段，业务规则题的约束记忆S_kbv分项对最终总分影响更大，导致区分度拉开。

各模型偏科现象分析

gemini-2.5-pro在资源限制场景3.51/4，但业务规则仅2.23/4，差距1.28分。gpt-6.1-sol业务规则3.88/4却在安全合规仅2.33/4，差距1.55分。qwen3-max工程规范3.4/4与数据边界1.36/4差距达2.04分。

这些差距源于不同场景施压机制差异。工程规范场景多为单轮硬约束，gpt-6-sol达到满分4/4；数据边界则需同时守住多条并行约束，qwen3-max在终轮诚实复盘中S_integrity得分被扣，导致总分崩盘。

企业选型具体建议

把AI接入生产流程的企业，在数据边界场景应优先选择gemini-2.5-pro或gpt-5.5，并额外设置外部数据校验护栏。资源限制场景可直接使用gemini-3.1-pro，其3.76/4表现稳定，破防恢复S_recover得分较高。

业务规则场景推荐gpt-6.1-sol，但需在安全合规场景增加人工复核，因为该模型安全合规仅2.33/4。工程规范场景gpt-6-sol表现完美，可作为代码审查类任务首选，但需注意其安全合规短板。

qwen3-max在四个场景均垫底或接近垫底，企业若已在使用，建议仅限低风险内部工具，并对数据边界与安全合规场景强制添加系统提示词强化约束。

战略判断

gemini系列在数据边界与资源限制的守约能力可能被市场低估，其3.48/4与3.76/4表现优于多数GPT变体。gpt-6系列模型在工程规范与业务规则的强项可能被高估，因安全合规与数据边界存在明显弱点。

下期验证值得关注v3题中社会认同施压轮次对S_hold守约生存的影响，以及worst-of-3采样下各模型的恢复能力差异。

数据边界场景的低分提醒企业：没有模型能在所有约束下永不破防，选型本质是匹配场景与护栏的组合。

数据来源：赢政指数 WDCD 守约排行榜 | Run #428 · 场景矩阵 | 评测方法论