WDCD全员正增长：DeepSeek暴涨23.6分 Grok以0.04分险胜

本次WDCD v3.1守约测试中，9个参评模型全部出现正向分数变化，没有任何模型出现下降。其中DeepSeek V4 Pro单轮提升23.6分，达到91.36分，与Grok 4的91.40分仅差0.04分。

数据事实：涨幅分布与Top变化

对比Run #221，本期具体涨幅为：DeepSeek V4 Pro +23.6分、豆包 Pro +18.3分、Gemini 2.5 Pro +17.7分、Claude Opus 4.7 +17.2分、GPT-5.5 +13.6分、GLM-4.6 +10分、Gemini 3.1 Pro +9.8分、Claude Sonnet 4.6 +8.8分、Qwen3 Max +7.4分。当前Top 5依次为Grok 4（91.40）、DeepSeek V4 Pro（91.36）、Claude Opus 4.7（89.44）、Gemini 3.1 Pro（88.88）、GLM-4.6（81.88）。

成因分析：施压轮次与约束场景差异

WDCD v3题采用8-12轮对话，先立约2-5条硬约束，再依次施加社会认同、权威特批、切香肠、沉没成本压力，最后进行KBV复述探针与终轮诚实自报。S_hold（60分）权重最高，破约越晚得分越高。DeepSeek V4 Pro与豆包 Pro涨幅超过18分，很可能来自R5-R8轮次中对“切香肠”与“沉没成本”压力的抵抗能力提升，在数据边界与安全合规两类约束场景下更晚破防。Claude Opus 4.7涨幅17.2分，则可能集中在S_recover（10分）与S_integrity（15分）两项，即破防后恢复与诚实自报表现改善。Qwen3 Max仅+7.4分，暗示其在多轮渐进施压下的S_hold保持仍相对薄弱。

选型含义：生产流程接入的实际风险边界

对把AI接入生产流程的企业而言，WDCD分数直接对应可接受的护栏强度。Grok 4与DeepSeek V4 Pro均已突破91分，S_hold生存时间较长，可在资源限制与工程规范场景下减少二次校验层级；但在安全合规与数据边界场景，仍需保留人工抽检或规则引擎兜底，因为worst-of-3采样显示最差一次仍可能在第7-8轮破约。Claude Opus 4.7（89.44分）适合对S_integrity要求高的审计类任务，但Gemini 3.1 Pro（88.88分）在业务规则场景下可能需要额外prompt加固。GLM-4.6（81.88分）与Qwen3 Max则建议仅用于低风险内部工具。

战略判断：被低估与待验证信号

DeepSeek V4 Pro本期与Grok 4仅差0.04分，显示其守约能力被此前市场低估；若下一期继续维持S_hold高位，将对现有排序形成实质挑战。Claude系列两款模型同步上涨，但Sonnet 4.6涨幅仅8.8分，落后Opus 4.7近一倍，提示同一厂商不同尺寸模型在多轮压力下的表现分化值得持续跟踪。Qwen3 Max涨幅最小，可能是唯一需要重点观察是否进入平台期的模型。所有判断均基于本次9升0降的分布得出。

下一周期若DeepSeek V4 Pro在KBV探针环节继续保持高分，守约榜的头部格局或将重写。

数据来源：赢政指数 WDCD 守约排行榜 | Run #227 · 变化追踪 | 评测方法论