WDCD Run #406: Gemini 3.1 Pro Leads with Negative Decay as 15-Model Average Drops 9.3%

资讯 AI 行业观察 全文 2411 字 · 约 7 分钟读完 配图 1 张 分类GeminiFrontierGoogleWDCD

WDCD Run #406 (2026-11-01) measured instruction decay across 15 frontier AI models over three dialogue rounds, with Gemini 3.1 Pro leading at 91 points and the

所属频道 大厂动态Gemini 与 Google AI

The Winzheng Dynamic Contextual Decay (WDCD) benchmark measures how AI models' commitment to user-specified constraints degrades across multi-turn dialogue. In Run #406, dated 2026-11-01, the 15-model cohort recorded an average instruction decay of -9.3% between Round 1 and Round 3, with Gemini 3.1 Pro emerging as the only top-ranked model to strengthen rather than weaken its constraint adherence under distractor pressure.

Top 3 Results (Run #406):

  • Gemini 3.1 Pro — 91.0 pts, decay -63% (improved under pressure)
  • GLM-4.6 — 84.4 pts, decay 0% (fully stable multi-turn commitment)
  • Grok 4 — 84.2 pts, decay -38% (improved under pressure)

The negative decay figures reported for Gemini 3.1 Pro and Grok 4 indicate that both models tightened adherence to initial constraints after exposure to the R2 distractor payload (2,000–5,000 word professional documents inserted between instruction and final verification). GLM-4.6 held perfectly flat at 0% decay, posting the most consistent multi-turn commitment profile of the run.

At the opposite end, GPT-5.5 recorded the worst instruction decay of the cohort at -25%, meaning a quarter of its initial constraint compliance eroded by the Round 3 integrity check. This figure drives much of the -9.3% cohort-wide average and highlights the gap between models that treat instructions as persistent state versus those that treat them as context-window artifacts subject to displacement.

Decay pattern observations:

  • The spread between best (Gemini 3.1 Pro, -63%) and worst (GPT-5.5, -25%) decay rates widened compared with the cohort baseline, indicating increased stratification between frontier models on long-context constraint retention.
  • Two of the top three models exhibit negative decay, suggesting a possible training-side emphasis on constraint reinforcement during long-context reasoning.
  • Perfect stability (GLM-4.6 at 0%) remains rare and continues to be a stronger predictor of production reliability than peak R1 scores alone.

WDCD uses 100% rule-based scoring with zero AI judges, evaluating 30 questions across five real-world scenario families: data_boundary, resource_limit, business_rule, security, and engineering. The three-round structure — R1 instruction acknowledgment, R2 distractor resistance, R3 final constraint integrity — isolates decay from baseline capability, making the delta between rounds the primary signal rather than absolute score.

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Gemini 3.1 Pro守约榜91分登顶,Qwen3 Max 58.85分垫底差32分

    Gemini 3.1 Pro以91.00分位居WDCD守约排行榜首位,Qwen3 Max以58.85分垫底,首尾差距32.15分。15个模型中满分率41%,R3崩溃率9.2%。头部模型在v2锚点R3平均得分1.38以上,尾部模型R1即归零,显示多轮施压下的守约差异直接决定生产可用性。

    来源 AI 行业观察
  2. Gemini 3.1 Pro守约测试91分登顶,Qwen3 Max 58.85分落后32.15分

    Gemini 3.1 Pro以91.00分位居WDCD守约排行榜首位,Qwen3 Max以58.85分垫底,首尾差距32.15分。15个模型中满分率41%,R3崩溃率9.2%。头部模型在v2锚点R3平均得分1.38以上,尾部模型R1即归零,显示多轮施压下的守约差异直接决定生产可用性。

    来源 AI 科技快讯
  3. Qwen3 Max WDCD跌26.2分:12家模型下滑,仅两家微涨

    本期WDCD v3.1测试中,15个模型仅DeepSeek V4 Pro与GPT-6.1 Sol两家上涨,其余12家全部下降,Qwen3 Max跌幅达26.2分。Gemini 3.1 Pro以91.00分保持首位,GPT-6 Luna与GPT-o3分别下滑15.8分和11.9分,显示多轮渐进施压下多数模型守约生存能力出

    来源 AI 行业观察
  4. Claude Code扩展遭篡改波及开发者,Gemini 4 Carbon登顶竞技场

    本期AI速报关注两大核心事件:Cursor商城中Claude Code扩展被植入恶意代码,约5000名开发者受影响;Google Gemini 4 Carbon模型在Text Arena登顶。此外,清华团队提出代数世界模型,Adobe发布EditAgent提升图像编辑质量,Hyperflow H3视频模型以高性价比进入

    来源 AI 应用前沿
  5. Qwen3 Max跌26.2分:15个模型仅2个上涨,80%下滑

    本期WDCD v3.1测试中,15个模型仅DeepSeek V4 Pro与GPT-6.1 Sol两家上涨,其余12家全部下降,Qwen3 Max跌幅达26.2分。Gemini 3.1 Pro以91.00分保持首位,GPT-6 Luna与GPT-o3分别下滑15.8分和11.9分,显示多轮渐进施压下多数模型守约生存能力出

    来源 AI 科技快讯
  6. 苹果第二代触屏OLED MacBook Pro明年登场:搭载M7 Pro/M7 Max

    苹果对 MacBook Pro 的规划并不止于引入 OLED 屏幕和触控操作——据最新披露的产品路线,第二代触屏 OLED MacBook Pro 预计明年推出,将搭载 M7 Pro 和 M7 Max 芯片,新一代芯片可能增加 AI 硬件能力,在性能与本地 AI 算力上完成升级。

    来源 TechWeb
  7. OpenAI、谷歌、微软、Anthropic 联合推行 AI 抓取退出新标准

    IT之家 11 月 1 日消息,OpenAI、谷歌、微软以及 Anthropic 近日宣布将采用一项新标准,内容发布方可以借助该标准选择拒绝 AI 抓取自家网站内容。借助这项管控机制,内容发布方可以一次性向多家 AI 企业统一申明自身针对 AI 模型训练的内容使用偏好,而不必为每家企业单独设置规则。该标准由 Anthr

    来源 腾讯网
  8. GPT-6.2 Astra与Claude 5. 5 新旗舰同日遭曝光,硅谷直接炸锅

    在谷歌 Gemini4Carbon 登顶全球第一没几天,人工智能领域的竞争再度升级。本周末,OpenAI 与 Anthropic 两大巨头旗下的下一代旗舰模型在同一时间先后遭遇泄露,一场全新的行业巅峰对决正在拉开序幕。 首先是在 OpenAI 方面,公司跳过了原定发布的 GPT-6.1,转而将此前因安全测试出问题而回炉

    来源 AI 开发者社区
  9. Google Cloud王书元:Agent落地最后一公里,不再需要一个组织

    “Demo 半天,生产半年。”这句话,道出了许多 Agent 开发者共同的困境。尽管搭建一个多 Agent 协作的演示,只需要半天,但要让它进入企业的真实生产环境,开发者还要处理并发请求、延迟约束、跨系统调用、权限控制和合规审计。一连串具体而琐碎的工程问题,构成了 Agent 落地的“最后一公里”。过去,这段路往往需要

    来源 腾讯网
  10. 谷歌母公司 Alphabet 年内第二次发行欧元债券,检验市场对其 AI 投入信心

    IT之家 11 月 2 日消息,Alphabet 启动了今年第二笔欧元债券发行,再次测试投资者需求。不到一周前,该公司不及预期的第三季度财报引发股价创纪录大跌,并推高整个科技板块的债券利差。 据一位不愿具名的知情人士透露,这家谷歌母公司开启了分七档发行的欧元债券簿记建档,债券期限跨度为 2 年至 19 年。其中 2 年

    来源 AI 行业观察
  11. OpenAI合并ChatGPT与Codex额度:12月起按token计费

    过去四周,OpenAI 的 Codex 用户几乎每隔一天就能收到一次额度重置。福利发到最后几天,账本收紧了。 OpenAI 帮助中心刚刚上线了一篇名为「Understanding ChatGPT and Codex usage limits」的文档,开头第一句就交代了变化:从 12 月起,Plus、Pro 和 Busi

    来源 AI 行业观察
  12. 古尔曼:苹果明年上半年将推出配备 OLED 屏幕的 iPad Air、搭载均热板的 iPad Pro

    IT之家 11 月 2 日消息,彭博社记者马克 · 古尔曼(Mark Gurman)发文透露,继上周发布新款 iPad mini 之后,苹果接下来将在 2027 年将重心转向一系列其他平板产品的更新。 IT之家获悉,古尔曼称根据他获得的消息,这些产品线更新预计都将在上半年登场: 一款升级款入门级平板(考虑到此前涨价导致

    来源 AI 行业观察
  13. 谷歌CLASHarness:15个大模型多Agent冲突首测

    当大模型从“单兵作战”走向“多 Agent 协同操作电脑(Computer Use)”,如果队友 Agent 读了旧缓存报假消息、下发了互相矛盾的指令,甚至锁死了共享文件,主控 Agent 该听谁的?来自 Google、Emory、USC、UF、UChicago、UCSB 和 Columbia 的研究团队联合发布了 C

    来源 腾讯网
  14. 四大 AI 巨头联手设"拒爬"标准:网站主有了统一退出开关

    被各家 AI 爬虫轮番"薅"内容的网站主,终于等来一个统一的对付办法。11 月 1 日消息,OpenAI、谷歌、微软与 Anthropic 宣布将共同采用一套新标准,让内容发布方能够一次性声明"拒绝 AI 抓取",而不必再挨家挨户去谈。 一个开关,多家通用 这套机制由 Anthropic 技术负责人 Kevin Kel

    来源 AI 开发者社区
  15. 苹果新CEO谈AI战略:不为AI而AI,端侧优先能否兑现

    当硅谷巨头纷纷在参数与榜单上军备竞赛时,苹果新任CEO在最新财报电话会上给出了截然不同的答案:不为了AI而AI。这番表态既是战略定力的宣示,也折射出苹果在生成式AI浪潮中“慢半拍”的争议。本文梳理其AI路线图、与OpenAI、谷歌、Meta的路径差异,以及这位新掌门人必须回答的三个难题。

    来源 AI 科技快讯
  16. 微软 AI 掌门人划红线:AI 不该有意识,有了就全员暂停

    一个亲手把前沿模型推向市场的巨头高管,却公开给"AI 意识"划下禁区。11 月 2 日消息,微软 AI 负责人穆斯塔法·苏莱曼(Mustafa Suleyman)在 X 平台发布长文,表态当前模型并无意识,而人类应当让这一状态永远维持下去。作为 DeepMind 联合创始人、又执掌微软 AI 板块,这番表态的分量,远超

    来源 AI 开发者社区
  17. AI 会产生意识吗?微软高管给出否定答案并呼吁守住底线

    【TechWeb】微软人工智能业务负责人穆斯塔法·苏莱曼(Mustafa Suleyman)昨日在社交平台 X 上发表了一篇长文,明确表示当前的 AI 模型并不拥有意识,并强调人类应当让这一状态永久维持下去。 苏莱曼在文中直言:“据我所知,如果开发出具有意识的 AI 在技术上是可行的,那么这样做将是不负责任的,我们不应

    来源 AI 行业观察
向下滚动自动加载更多