WDCD v3.1周期数据显示，Claude Opus 4.7较Run #422下降9.7分，Gemini 2.5 Pro上升6.8分，GPT-5.5上升5.8分，豆包 Pro上升5.8分，GPT-o3下降5.4分。上升模型3个，下降模型2个，Gemini 3.1 Pro以89.83分位列第一。
数据事实：具体分数与排名
当前Top 5中，Gemini 3.1 Pro WDCD=89.83，Grok 4 WDCD=83.64，GPT-5.5 WDCD=82.46，GPT-6 Astra WDCD=81.68，GLM-4.6 WDCD=80.48。Claude Opus 4.7本次下降9.7分，GPT-o3下降5.4分。v3题采用worst-of-3采样，守约总分由v3原生百分制与v2锚点题折算等权平均得出。
成因分析：约束场景与施压轮次机制
Claude Opus 4.7下降9.7分，最可能出现在数据边界或安全合规场景的连续施压阶段。v3题设计中，立约后8-12轮对话通过社会认同与切香肠方式逐级抬压，S_hold守约生存权重60分，破得越晚得分越高。若该模型在R2干扰或R3施压轮次提前破约，worst-of-3取最差一次将直接拉低总分。
Gemini 2.5 Pro上升6.8分，可能源于资源限制或工程规范场景的KBV复述探针表现改善。S_kbv约束记忆15分与S_recover破防恢复10分共同作用，若模型在终轮诚实复盘中S_integrity得分较高，即使中途破约也能部分挽回。GPT-5.5与豆包 Pro各升5.8分，提示其在业务规则场景的并行硬约束下，S_hold生存时间延长。
GPT-o3下降5.4分，结合v2三轮锚点题满分4分的设计，R3施压环节得分可能从2分降至1分或0分，导致折算后总分下滑。所有变化均来自15个模型参评的26道题池，零AI裁判规则判分。
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，Gemini 3.1 Pro 89.83分意味着在数据边界与安全合规场景可优先考虑，但仍需在资源限制场景额外设置护栏。Claude Opus 4.7本次下降9.7分，提示其在多轮渐进施压下的守约生存能力弱于本期前五名，接入业务规则流程时应增加人工复核节点。
GPT-5.5 WDCD=82.46，较本次上升5.8分，适合工程规范场景，但S_recover恢复能力仍需验证。企业可针对5种约束场景分别测试：数据边界场景优先Gemini 3.1 Pro，安全合规场景需观察Grok 4 83.64分的实际表现，避免单一依赖得分最高模型。
战略判断：能力高估与低估信号
Claude Opus 4.7本次下降9.7分，显示其守约能力可能被前期市场高估，v3题的沉没成本抬压机制放大了其S_hold短板。Gemini 2.5 Pro上升6.8分，结合Gemini 3.1 Pro 89.83分领先，提示该系列在连续施压下的约束记忆与恢复能力被低估。
GPT-o3下降5.4分与GPT-5.5上升5.8分形成对比，表明同一厂商不同版本在v2锚点题R1注入约束环节的稳定性存在差异。下期验证重点应放在豆包 Pro与GLM-4.6在业务规则场景的S_integrity诚实自报得分是否稳定。
分析判断：Gemini 3.1 Pro当前守约能力未被高估，其89.83分领先优势主要来自v3题多轮施压下的S_hold表现；Claude Opus 4.7的9.7分降幅则暴露了在权威特批压力下的脆弱性，值得持续跟踪。
守约能力不是静态标签，而是每一次施压轮次的生存记录。
数据来源：赢政指数 WDCD 守约排行榜 | Run #428 · 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