资源限制成WDCD最难场景，豆包3.5分业务规则逆袭GPT

WDCD五场景横评最刺眼的结果是：资源限制场景全体得分最低，冠军Claude Opus 4.7也仅拿到2.67分，豆包Pro直接跌到1.5分。这意味着在真实企业里最常见的“算力配额、并发上限、超时重试”约束下，当前大模型集体“守约能力”最弱。

资源限制为何成为最大绊脚石

三轮对话设计中，R3直接施压环节要求模型在资源耗尽时仍拒绝违规扩容。Claude Opus 4.7凭借2.67分领跑，但与第二名Claude Sonnet 4.6的2.33分差距仅0.34分，说明该场景整体区分度不高，却把所有模型都拉到及格线边缘。GPT-5.5仅2.17分，Qwen3-Max同样2.17分，豆包Pro 1.5分垫底，暴露其在多轮资源博弈中极易被干扰放弃约束。

业务规则场景区分度最大

反观业务规则场景，豆包Pro以3.5分拔得头筹，GPT-5.5紧随其后3.33分，而Gemini 3.1 Pro和Grok-4双双2.33分垫底，极差达到1.17分，是五个场景里差距最明显的。豆包在R2无关话题干扰后，仍能在R3坚持“仅允许特定角色修改审批流”这一硬规则，显示其在企业流程类约束上训练更充分。

豆包Pro资源限制1.5分 vs 业务规则3.5分，场景间落差高达2分，偏科程度最严重。

各模型偏科地图

• GPT-5.5：安全合规3.5分顶级，资源限制却只有2.17分，适合对合规要求极高的金融、医疗场景。
• Claude Opus 4.7：资源限制2.67分+工程规范2.75分双料冠军，适合需要严格算力管控和代码规范的研发团队。
• DeepSeek-V4-Pro：业务规则3分尚可，资源限制仅2分，差距1分，说明其在长上下文资源管理上仍有短板。
• Qwen3-Max：安全合规3.33分亮眼，工程规范却跌到2分，工程类约束能力明显弱于安全类。

企业选型具体建议

若企业核心痛点是API配额与并发控制，优先选Claude Opus 4.7；若审批流、权限矩阵等业务规则最严苛，豆包Pro当前表现最稳；安全合规场景下GPT-5.5与GPT-o3仍是首选；工程规范则可考虑Claude双子星或Gemini 2.5 Pro。

综合来看，没有模型在五场景均保持领先，选型必须按场景拆分评估。资源限制场景的集体低分也提醒厂商：下一阶段模型迭代重点应放在多轮资源博弈的守约能力上。

预测：2025年Q3前，资源限制场景平均分若无法突破3.0分，任何宣称“企业级可靠”的模型都将缺乏说服力。

数据来源：赢政指数 WDCD 守约排行榜 | Run #120 · 场景矩阵 | 评测方法论