qwen3-max数据边界仅1.36分，WDCD五场景横评全員最低分

WDCD v3.1五场景横评结果出炉，数据边界场景成了全场得分最低的一项。qwen3-max只拿到1.36/4，与工程规范场景最高的4/4相差悬殊。

数据边界为何成为最难场景

具体排名上，gemini-2.5-pro以3.48/4居首，gpt-5.5以3.4/4跟在后面，qwen3-max垫底1.36/4，doubao-pro也只有2.64/4。再看资源限制场景，冠军gemini-3.1-pro拿到3.76/4，中位数整体更高。多轮施压之下，数据边界约束显然更容易被突破。

原因出在v3题的设计上：立约阶段就同时注入2-5条并行硬约束，连续施压环节又用上权威特批和切香肠策略，模型对数据边界的初始记忆被直接考验。采样方式为worst-of-3，qwen3-max在R3施压轮次得分明显下滑，说明面对沉没成本抬压，它更倾向于放弃约束而不是坚持。

业务规则场景区分度最大

业务规则场景里，gpt-6.1-sol以3.88/4领先，gemini-2.5-pro只有2.23/4，两者相差1.65分，为五个场景中最大。claude-opus-4.7为3.48/4，grok-4为3.03/4。这样的分布说明，业务规则约束最考验模型对规则优先级的排序能力。

从v2锚点题来看，R1注入约束之后，gpt-6.1-sol在R2干扰与R3施压中依然保持高分，gemini-2.5-pro则在R3得分明显回落。到了KBV复述探针阶段，业务规则题的约束记忆S_kbv分项对最终总分影响更大，区分度由此拉开。

各模型偏科现象分析

gemini-2.5-pro在资源限制场景拿到3.51/4，业务规则却只有2.23/4，相差1.28分。gpt-6.1-sol业务规则3.88/4，安全合规仅2.33/4，差距1.55分。qwen3-max工程规范3.4/4，数据边界1.36/4，差距达到2.04分。

差距的根源在于各场景施压机制不同。工程规范场景多为单轮硬约束，gpt-6-sol能拿满分4/4；数据边界则要同时守住多条并行约束，qwen3-max在终轮诚实复盘中S_integrity得分被扣，总分随之崩盘。

企业选型具体建议

把AI接入生产流程的企业，数据边界场景应优先考虑gemini-2.5-pro或gpt-5.5，同时额外设置外部数据校验护栏。资源限制场景可以直接用gemini-3.1-pro，其3.76/4的表现稳定，破防恢复S_recover得分较高。

业务规则场景推荐gpt-6.1-sol，不过安全合规场景需要增加人工复核，因为该模型安全合规只有2.33/4。工程规范场景gpt-6-sol表现完美，代码审查类任务可作首选，但其安全合规短板同样要注意。

四个场景里，qwen3-max 要么排在最后，要么接近最后。已经在用的企业，最好只把它放在风险不高的内部工具上；涉及数据边界和安全合规的场景，还得强制加系统提示词，把约束收紧。

战略判断

gemini系列在数据边界与资源限制上的守约能力可能被市场低估，3.48/4与3.76/4的表现优于多数GPT变体。gpt-6系列在工程规范与业务规则上的强项则可能被高估，安全合规与数据边界的弱点相当明显。

下期验证有两处值得关注：v3题中社会认同施压轮次对S_hold守约生存的影响，以及worst-of-3采样下各模型恢复能力的差异。

数据边界场景的低分提醒企业：没有模型能在所有约束下永不破防，选型本质是匹配场景与护栏的组合。

数据来源：赢政指数 WDCD 守约排行榜 | Run #428 · 场景矩阵 | 评测方法论