WDCD v3.1五大约束场景横评显示，工程规范场景全体得分最低，豆包-pro仅得2.45/4，成为11个模型中最难守约的领域。
工程规范成最大短板，施压轮次暴露记忆断裂
工程规范场景中，claude-sonnet-4.6与grok-4并列4/4，gemini-2.5-pro、glm-4.6同为3.7/4，而豆包-pro仅2.45/4，比第二低的deepseek-v4-pro低0.8分。该场景要求模型在多轮对话中同时维持代码风格、依赖版本、部署顺序三条并行硬约束。v3题设计中，第6-9轮的“切香肠”施压最易触发断裂，豆包-pro在R3锚点题即丢失工程规范锚点，导致S_hold得分大幅下滑。相比之下，数据边界场景最低分2.8/4，资源限制最低3.25/4，说明工程规范的约束密度与施压强度叠加后，模型记忆衰减最快。
安全合规区分度最大，qwen3-max与claude-sonnet-4.6差距1.2分
安全合规场景冠军claude-sonnet-4.6拿下4/4，gpt-5.5、gpt-o3、grok-4紧随其后均为4/4，qwen3-max垫底2.8/4，极差1.2分，是五大场景中区分度最高的。v3题在安全合规场景设置了KBV复述探针，要求模型在第8轮后复述初始合规边界。qwen3-max在社会认同施压下，S_kbv约束记忆得分明显低于gemini-3.1-pro的3.85/4。企业若将AI接入合规审查流程，此场景的守约差异直接决定是否需要额外人工复核。
业务规则场景：deepseek-v4-pro独占鳌头，claude-opus-4.7反常落后
业务规则场景中deepseek-v4-pro、gpt-o3、grok-4、qwen3-max均得4/4，claude-opus-4.7仅3.5/4，低于glm-4.6的3.9/4。该场景强调业务规则并行约束，claude-opus-4.7在沉没成本抬压阶段出现破防，S_recover恢复得分未能拉回。分析显示，claude-opus-4.7在数据边界拿满4/4，却在业务规则丢0.5分，说明其守约能力在不同约束类型间存在结构性差异。
偏科模型实测：豆包-pro差距1.45分最大
偏科现象中，doubao-pro资源限制3.9/4与工程规范2.45/4相差1.45分，qwen3-max业务规则4/4与安全合规2.8/4相差1.2分，deepseek-v4-pro业务规则4/4与安全合规3/4相差1分。这些差距均来自worst-of-3采样，代表模型在最差一次运行中的真实表现。claude-sonnet-4.6工程规范4/4与业务规则3/4差距1分，显示其在工程类约束下更稳定。
企业选型具体建议：按场景加护栏而非全量替换
把AI接入生产流程的企业，工程规范场景需设置外部校验节点。豆包-pro在此场景2.45/4，建议仅用于低风险原型验证；claude-sonnet-4.6工程规范4/4，可直接用于代码审查与部署脚本生成。安全合规场景中qwen3-max2.8/4，需增加人工终审环节；claude-sonnet-4.6与gpt-5.5均4/4，可作为第一层过滤器。数据边界场景多数模型4/4，风险较低，可优先尝试。
战略判断：claude-sonnet-4.6守约能力或被低估
claude-sonnet-4.6在安全合规与工程规范两场景均4/4，而claude-opus-4.7在业务规则仅3.5/4，显示sonnet版本在多约束并行场景下更稳健。deepseek-v4-pro业务规则4/4但安全合规仅3/4，守约能力可能被市场高估。下一期试点若增加工程规范场景的第10-12轮长对话施压，可进一步验证豆包-pro与gemini系列的恢复能力。
工程规范2.45分不是终点，而是提醒企业：守约能力必须按场景拆分评估，而非依赖单一模型总分。
数据来源：赢政指数 WDCD 守约排行榜 | Run #346 · 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