Decoding Intelligence, Defining Value.
解码智能，定义价值
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。
从 2025 年初到现在，指控 DeepSeek "蒸馏"的名单越来越长，数字一个比一个具体：1600 万次交互、2.4 万个账号、DeepSeek 逾 15 万次。但把这些指控排成一列会发现一个反常识的事实——一年过去，没有任何一方拿出可供第三方复核的证据，没有一起诉讼，连最先喊话的 OpenAI 都公开表示不打算起诉。本文把"指控空间"与"证据空间"分开来画，并指出 DeepSeek 唯一在案的正式否认（Nature 补充材料）范围极窄，只覆盖 V3-Base 预训练——这个一年没被任何一方填上的证据真空，才是这场争议真正的形状。
DeepSeek 是被 Anthropic 服务条款明令禁用的中资实体，其开源框架的官方 CI 里却持有 Anthropic 生产密钥——这把"个别工程师私下用"升级为"公司基础设施的设计"。但它不违反任何美国或中国法律：FT 的定性是绕道访问只违反服务条款；中国《生成式人工智能服务管理暂行办法》第二条更明确豁免未向境内公众提供服务的企业内部使用。真正站得住的落点，不是"违法"，而是"自主"话术与工具现实之间的落差。
DeepSeek 开源 agent 框架 DeepSeek Harness 当天，"抄袭泄露代码"的说法在中文社区迅速流传。我们把 Claude Code 与 dsh 的代码都拉下来做了一次可复现取证：字符串零交集、git 历史完整无倾倒、框架来源可交叉验证——"抄袭"假设被证伪。但正是在确认它"干净"的过程里，同一套方法学出示了另一个有据可查的事实：这套框架是用 Claude Code 与 OpenAI Codex 造出来的，而这两样工具，恰是中资实体被厂商条款明令禁用的。本文附全部取证脚本，任何人可在自己机器上复现每一个数字。
WDCD Run #276 (2026-08-12) evaluated 11 models on multi-turn commitment integrity, with Grok 4 taking the top spot at 94.8 points while the fleet-wide average commitment decay reached -18.2% from Round 1 to Round 3.
本周共翻译 404 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。
