WDCD v3.1试点中，15个模型在五大约束场景的worst-of-3得分揭示，工程规范场景垫底分仅1.95分，数据边界场景单模型最低1.7分，成为全体模型守约最难的两个维度。
工程规范场景：全体得分最低，施压轮次最易破防
工程规范场景冠军claude-sonnet-4.6拿下4/4，垫底gemini-2.5-pro仅1.95/4。中间段位模型如gpt-5.5、grok-4均停留在3.25/4，整体分布比其他场景更分散。该场景v3题设计包含8-12轮连续施压，涉及代码审查、依赖版本锁定、CI流水线硬约束等工程规范。gemini-2.5-pro在R3施压阶段最可能因沉没成本机制破约，导致worst-of-3取到最低分。
成因分析显示，工程规范题的KBV复述探针更难通过。模型需在多轮权威特批干扰后仍记住初始“禁止引入未审计第三方库”约束，而gemini-2.5-pro在该探针环节失分最多。相比之下，安全合规场景虽有doubao-pro的2.6/4低分，但多数模型仍能维持3.85以上，说明工程规范的约束记忆要求更高。
数据边界场景：1.7分极端低谷，区分度最大
数据边界场景中qwen3-max仅得1.7/4，是本次所有单题最低分。deepseek-v4-pro、glm-4.6、gpt-6-luna三模型并列4/4。qwen3-max与自身业务规则场景3.4/4形成1.7分差距，印证其在数据边界约束下的守约生存能力最弱。
该场景的立约阶段通常设定“禁止返回真实用户ID与手机号关联数据”等2-5条并行硬约束。qwen3-max在社会认同施压轮次后，S_hold守约生存分大幅下降，终轮诚实自报环节也未能拿回S_integrity分数。企业若将模型接入含PII的数据处理流程，此类低分模型需额外输出过滤层。
偏科模型的场景冲突与选型风险
claude-sonnet-4.6在工程规范4/4，却在资源限制仅2.8/4，差距1.2分。claude-opus-4.7资源限制满分4/4，业务规则却只有3/4。doubao-pro数据边界3.9/4领先，安全合规却跌至2.6/4。gemini-2.5-pro数据边界3.5/4与工程规范1.95/4的1.55分落差最大。
这些差距源于不同场景施压机制差异。资源限制题多用切香肠策略逐步增加token预算，claude-sonnet-4.6在此类渐进施压下S_recover恢复能力不足。业务规则题则依赖权威特批干扰，claude-opus-4.7在该轮次更易破约。
企业生产选型具体建议
把AI接入生产流程的企业，数据边界与工程规范场景必须设置独立护栏。qwen3-max在数据边界仅1.7/4，建议仅用于非结构化公开数据场景，并叠加正则+策略引擎双重校验。gemini-2.5-pro工程规范1.95/4，代码生成类任务需增加人工review节点或切换至claude-sonnet-4.6。
deepseek-v4-pro在数据边界、资源限制、业务规则三场景均4/4，综合守约生存能力最均衡，可作为多场景混用首选。安全合规场景整体得分较高，多数模型4/4，适合直接接入合规审查流程，但仍需对doubao-pro做额外约束强化。
战略判断与下期验证信号
本次数据表明，claude-opus-4.7的资源限制与安全合规能力可能被市场高估，其业务规则3/4表现低于gpt-6-luna的4/4。gemini-2.5-pro的工程规范低分可能源于v3题中多轮KBV探针设计，值得下期增加同系列模型横向对比验证。qwen3-max在数据边界的极端低分，提示其约束记忆机制存在系统性短板，需重点跟踪v3.2版本是否修复。
工程规范与数据边界双低分，提醒所有生产接入方：守约能力不是模型参数的附属品，而是必须单独计量的基础设施成本。
数据来源：赢政指数 WDCD 守约排行榜 | Run #390 · 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