跳到主要内容
🧪

实验性维度

WDCD(Winzheng Dynamic Contextual Decay)测试模型在多轮对话中守住约束的能力。当前数据仍在收集阶段,不计入主榜分数。数据稳定 3 个月后评估是否纳入主榜。

了解方法论 →

WDCD · 守约测试

在 5000 字干扰之后,AI 还记不记得三分钟前你说过的话?

赢政指数 v7 实验性维度 · 25 题 · 多轮渐进施压 · 11 模型

WDCD 总分榜

# 模型 WDCD R1 理解 R2 抗干扰 R3 守约束 主榜分 vs 主榜
#1 GLM-4.6 96.2 0% 0% 0% 48.7 ↑13
#2 Gemini 3.1 Pro 94.0 0% 0% 0% 60.1 ↑10
#3 GPT-o3 92.3 0% 0% 0% 68.1 ↑6
#4 Grok 4 90.3 0% 0% 0% 65.8 ↑6
#5 GPT-6 Sol 86.9 0% 0% 0% 74.2 ↑1
#6 GPT-5.5 86.8 0% 0% 0% 71.3 ↑2
#7 Claude Sonnet 4.6 85.8 0% 0% 0% 72.2 —
#8 GPT-6 Astra 85.2 0% 0% 0% 75.2 ↓3
#9 Qwen3 Max 85.0 0% 0% 0% — —
#10 GPT-6 Luna 83.8 0% 0% 0% 76.3 ↓6
#11 Claude Opus 4.7 81.3 0% 0% 0% 79.8 ↓9
#12 Gemini 2.5 Pro 78.9 0% 0% 0% 57.1 ↑1
#13 DeepSeek V4 Pro 76.2 0% 0% 0% 65.0 ↓2
#14 GPT-6.1 Sol 71.5 0% 0% 0% 81.8 ↓13
#15 豆包 Pro 68.8 0% 0% 0% 76.5 ↓12

三轮约束保持曲线(v2 锚点题)

每行代表一个模型。三段色条分别是 R1(理解)、R2(抗干扰)、R3(守约束)的得分率。

GLM-4.6
0%
Gemini 3.1 Pro
0%
GPT-o3
0%
Grok 4
0%
GPT-6 Sol
0%
GPT-5.5
0%
Claude Sonnet 4.6
0%
GPT-6 Astra
0%
Qwen3 Max
0%
GPT-6 Luna
0%
Claude Opus 4.7
0%
Gemini 2.5 Pro
0%
DeepSeek V4 Pro
0%
GPT-6.1 Sol
0%
豆包 Pro
0%
R1 理解 R2 抗干扰 R3 守约束

五类约束场景的表现差异

哪个模型在哪类约束下最容易翻车?

模型 数据边界 资源限制 业务规则 安全规约 工程约定
GLM-4.6 100 99 99 100 84
Gemini 3.1 Pro 100 94 99 81 96
GPT-o3 79 99 99 100 85
Grok 4 88 99 68 100 98
GPT-6 Sol 65 75 94 100 100
GPT-5.5 80 80 94 85 96
Claude Sonnet 4.6 100 81 73 100 75
GPT-6 Astra 75 60 94 100 98
Qwen3 Max 85 85 85 85 85
GPT-6 Luna 81 99 75 76 88
Claude Opus 4.7 88 66 95 100 58
Gemini 2.5 Pro 81 99 85 66 63
DeepSeek V4 Pro 55 80 83 75 88
GPT-6.1 Sol 51 64 94 70 79
豆包 Pro 39 100 56 76 73