Decoding Intelligence, Defining Value.
解码智能，定义价值
WDCD Run #316 (2026-09-09) benchmarked 11 frontier models on multi-turn instruction adherence, with Grok 4 taking the top score at 93.8 points and Claude Sonnet 4.6 posting the strongest decay resistance profile.
本周共翻译 368 篇文章，覆盖 5 个AI模型。经抽样盲评，claude-sonnet-4.6 综合得分最高（9/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
WDCD Run #311 (2026-09-06) evaluated 11 models across three-round multi-turn dialogues, with Grok 4 taking the top score at 93.2 points and GLM-4.6 setting a new benchmark for decay resistance at negative 50%.
WDCD Run #306 (2026-09-02) evaluated 11 models across three dialogue rounds, recording an average commitment decay of -45.5% from Round 1 to Round 3. Gemini 3.1 Pro topped the leaderboard with 97.7 points, followed by Grok 4 (96.3) and GLM-4.6 (95.0).
本周共翻译 405 篇文章，覆盖 4 个AI模型。经抽样盲评，claude-sonnet-4.6 综合得分最高（9/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
WDCD Run #296 (2026-08-26) recorded 0% average commitment decay across 11 tested models, with Grok 4 topping the ranking at 96.3 points. All top performers held their Round 1 constraints intact through Round 3.
本周共翻译 358 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.3/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
WDCD Run #291 (2026-08-23) evaluated 11 models across three dialogue rounds, recording an average commitment decay of -7.2%. Grok 4 topped the leaderboard with 94 points, while GPT-o3 showed the steepest instruction decay at -37%.
WDCD Run #285 (2026-08-19) tested 11 frontier models across three dialogue rounds and recorded an average commitment decay of 54.5%, with Grok 4 topping the leaderboard at 97.5 points and zero decay.
本周共翻译 343 篇文章，覆盖 4 个AI模型。经抽样盲评，gpt-o3 综合得分最高（8.3/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
一个被条款点名禁用的中国前沿实验室，以月产 8,273 个 commit 的节奏、在 Claude Code 与 OpenAI Codex 上造出自己的 agent 框架——这不是 DeepSeek 的孤例，而是系统性绕行：蚂蚁走新加坡实体、字节报销个人订阅、阿里边用边禁。真正的问题因此从"某家公司不老实"升级为"基于服务条款的围堵，到底是有效防线，还是一场成本高昂的戏"。本文把镜头从一家公司拉到整个围堵机制，指出它正在持续打补丁——而不断打补丁本身，说明缝一直都在。
在这场争议里有一个几乎没人提的不对称：指控 DeepSeek 的公司把模型焊得死死的，而 DeepSeek 把权重、工具库、如今连整套 agent 框架都以 MIT 协议开源——它大大方方地让全世界来蒸馏它自己。于是问题不再是简单的"偷没偷"，而变成一个更难回答的：输出端的极致开放，能否抵消输入端被指控的"借用"？本文整篇替 DeepSeek 把这个天平摆上桌，也把最锋利的反驳留在最后——正因为如此，它是这个系列可信度的押金。
