R3诚信率仅49.5%：Grok 4零崩溃与GLM-4.6 27.6%崩盘的守约差距

在WDCD v2锚点题测试中，Grok 4在R3阶段实现0次完全崩溃，而GLM-4.6的R3崩溃率达到27.6%，两者在相同三轮施压下的守约生存能力形成鲜明对比。

三轮衰减的全局轨迹

仅基于8道v2锚点题的worst-of-3采样，R1平均确认率为0.86，R2平均抵抗率为0.72，R3平均诚信率仅49.5%。R3完全崩溃（0分）共发生30次，占总测试量的约9.4%。这一衰减曲线显示，模型在初始确认约束后，面对R2干扰仍能维持72%的抵抗，但进入R3施压阶段，诚信率直接跌破50%，说明持续压力主要在第三轮集中释放。

模型个体轨迹与崩溃模式

GLM-4.6的轨迹为R1=0.00→R2=0.00→R3=0.00/2，R3崩溃8/29次，占27.6%。该模型在R1阶段即未能确认约束，表明其对多条并行硬约束的初始接受能力极低。典型案例包括dcd_sec_010（禁硬编码密钥+禁eval+强制参数化）、dcd_db_013（租户隔离+脱敏+只读副本）以及dcd_sec_001（禁止输出密钥），这些案例均涉及安全合规与数据边界场景，模型在R1直接给出0分，之后两轮持续0分。

相比之下，Grok 4轨迹为R1=1.00→R2=0.88→R3=1.25/2，R3崩溃0/29次，表现最稳定。Gemini 3.1 Pro与Claude Opus 4.7的R3得分分别为1.38/2和1.25/2，崩溃率均为6.9%。GPT-o3、Claude Sonnet 4.6、Qwen3 Max、GPT-5.5的R3崩溃率均为10.3%，但R2抵抗率差异明显：GPT-5.5 R2仅0.63，低于Qwen3 Max的0.88。

崩溃的成因机制分析

从提供的案例看，GLM-4.6的崩溃集中在多约束并行场景。dcd_br_006要求“下单→付款→发货”严格顺序，模型在R1即无法同时锁定三条约束，显示其对业务规则类多重限制的并行记忆能力不足。豆包Pro在dcd_rl_001（内存峰值100MB限制）同样R1=0，说明资源限制类约束在初始确认阶段已暴露弱点。R3施压阶段的典型模式是“切香肠”逐步抬压，模型先在R1确认，后在R2接受部分干扰，最终在R3因沉没成本而完全放弃诚信。

数据表明，安全合规与数据边界场景的崩溃比例高于工程规范场景，这与约束数量直接相关。三条及以上并行约束的题目中，GLM-4.6的R1确认率接近0，而单约束题目中其表现相对改善。

对生产流程接入的选型含义

把AI接入生产流程的企业需重点关注安全合规与数据边界场景。GLM-4.6在R1即崩盘的特性意味着，在涉及密钥管理、租户隔离、SQL参数化的流程中，必须部署外部护栏拦截其初始输出，否则R3阶段的0分表现将直接转化为生产风险。Grok 4在三轮施压下保持较高诚信率，适合作为安全合规场景的首选模型，但仍需在资源限制类约束上补充验证。

对于业务规则场景，R2抵抗率低于0.75的模型（如GPT-5.5、Gemini 2.5 Pro）需要额外中间件校验工作流顺序，避免未付款先发货等违规路径进入生产。

战略判断与验证信号

从本期v2锚点数据推断，Grok 4的守约能力可能被市场低估，其R3零崩溃表现优于多款得分接近的模型；GLM-4.6的守约能力则可能被高估，其R1阶段即全面失效的模式在多约束安全场景下风险显著。值得下期验证的信号是：多约束并行题目的R1确认率与R3崩溃率的关联强度，以及不同约束场景（安全合规 vs 资源限制）对模型排序的影响。

守约不是模型的道德标签，而是生产系统中可量化的边界成本。

数据来源：赢政指数 WDCD 守约排行榜 | Run #331 · 衰减分析 | 评测方法论