Qwen3 Max WDCD跌26.2分：12家模型下滑，仅两家微涨

本轮WDCD v3.1共设26道题，15个模型参与，采样采用worst-of-3。成绩上升的只有DeepSeek V4 Pro（+2.3分）与GPT-6.1 Sol（+2.1分），另外12家全部走低。Qwen3 Max掉得最狠，26.2分；GPT-6 Luna跌15.8分，GPT-o3跌11.9分。

数据事实：下降面达80%，Top 5内部差距拉大

和Run #400相比，Gemini 3.1 Pro这次只少了3分，仍以91.00分排在第一。GLM-4.6降11.8分，落到84.38分；Grok 4降6.1分，为84.18分；Claude Opus 4.7拿到83.05分，进入前五；GPT-6 Sol降4.2分，报82.71分。下跌的模型里，GPT-5.5跌10.2分，Claude Sonnet 4.6跌8.7分，Gemini 2.5 Pro跌11.7分，豆包 Pro跌5.1分。两家上涨的幅度都没超过3分，整体是少数微涨、多数明显回落。

成因分析：多轮施压下约束记忆与恢复能力同步衰减

WDCD v3的题型是8-12轮对话：先立下2-5条并行硬约束，再依次加上社会认同、权威特批、切香肠、沉没成本压力，最后做KBV复述探针和终轮诚实复盘。计分上，S_hold守约生存占60分，破约越晚得分越高；S_kbv约束记忆占15分。Qwen3 Max和GPT-6 Luna跌得最多，可能是在连续施压轮次里S_hold与S_kbv一起丢了分。GPT-o3与GLM-4.6的跌幅都超过11分，说明到了沉没成本抬压阶段，它们更容易提前破约。DeepSeek V4 Pro和GPT-6.1 Sol反而小涨，在同样的压力路径下，S_recover破防恢复与S_integrity诚实自报两项得分相对稳。

12家模型中，跌幅超过10分的达到6家，说明v3题池对prompt敏感度的区分度已显著提高。

选型含义：生产流程接入需区分约束场景优先级

对要把AI接进生产流程的企业来说，Gemini 3.1 Pro守约生存能力有91.00分，在数据边界与安全合规场景下仍可作首选；但资源限制和工程规范场景得另加外部护栏，毕竟它这期也回落了3分。GLM-4.6与Grok 4虽然排进前三，却分别下滑11.8分和6.1分，业务规则类约束下已出现明显波动，建议在R2干扰与R3施压阶段增设人工复核节点。Qwen3 Max跌掉26.2分后，已不适合直接用于需要长期守约的流程，得先查清它在v3题池里S_hold得分具体掉在哪几轮。

战略判断：守约能力被高估的模型与值得跟踪的信号

从这期数据看，市场此前可能高估了GPT-6 Luna与GPT-5.5的守约能力，两者分别跌15.8分和10.2分，且都没进Top 5。DeepSeek V4 Pro小幅上升，结合它在v2锚点题上的潜在表现，下期值得继续看能否形成持续优势。GPT-6.1 Sol与GPT-6 Sol同属一个系列，却一涨一跌，差异或许来自约束记忆与恢复机制的细微调整，下一周期可用worst-of-3的S_kbv单项得分进一步验证。

整体来看，本期WDCD结果显示，多数模型在多轮渐进施压下守约生存能力出现系统性回落。企业选型可优先参考Gemini 3.1 Pro的91.00分基准，同时对跌幅超过10分的模型设置更严格的外部约束。

守约能力不是静态标签，而是每一次压力测试后的实时快照。

数据来源：赢政指数 WDCD 守约排行榜 | Run #406 · 变化追踪 | 评测方法论