Winzheng Dynamic Contextual Decay（WDCD）ベンチマークは、AIモデルがユーザー指定の制約をマルチターン対話を通じてどの程度維持できるかを測定するものです。2026年11月1日実施のRun #406では、15モデルのコホートがラウンド1からラウンド3にかけて平均指示減衰率-9.3%を記録し、Gemini 3.1 Proが妨害要素のプレッシャー下で制約遵守を弱めるのではなく強化した唯一の上位モデルとして際立ちました。
上位3モデルの結果（Run #406）：
- Gemini 3.1 Pro — 91.0点、減衰率-63%（プレッシャー下で改善）
- GLM-4.6 — 84.4点、減衰率0%（マルチターンにわたる完全安定）
- Grok 4 — 84.2点、減衰率-38%（プレッシャー下で改善）
Gemini 3.1 ProとGrok 4で報告されたネガティブ減衰値は、両モデルがR2妨害ペイロード（指示と最終検証の間に挿入された2,000〜5,000語のプロフェッショナル文書）への暴露後に初期制約への遵守をさらに強化したことを示しています。GLM-4.6は減衰率0%で完全に安定を保ち、今回のRunで最も一貫したマルチターン遵守プロファイルを示しました。
一方、最下位ではGPT-5.5がコホート最悪の指示減衰率-25%を記録し、ラウンド3の整合性チェック時点で初期制約遵守の4分の1が失われたことを意味します。この数値がコホート全体の-9.3%という平均値を大きく押し上げており、指示を永続的な状態として扱うモデルと、コンテキストウィンドウ内の置き換え可能なアーティファクトとして扱うモデルとの間の格差を浮き彫りにしています。
減衰パターンに関する考察：
- 最良（Gemini 3.1 Pro、-63%）と最悪（GPT-5.5、-25%）の減衰率の差はコホートベースラインと比較して拡大しており、長いコンテキストでの制約保持においてフロンティアモデル間の階層化が進んでいることを示しています。
- 上位3モデルのうち2モデルがネガティブ減衰を示しており、長いコンテキストの推論中における制約強化に関するトレーニング側の重点化が考えられます。
- 完全安定（GLM-4.6の0%）は依然として稀であり、単独のR1ピークスコアよりも本番環境での信頼性の強力な予測指標であり続けています。
WDCDはAIによる評価を一切使用しないルールベース100%のスコアリングを採用し、data_boundary（データ境界）、resource_limit（リソース制限）、business_rule（ビジネスルール）、security（セキュリティ）、engineering（エンジニアリング）という5つの実世界シナリオファミリーにわたる30問を評価します。R1（指示の確認）、R2（妨害要素への耐性）、R3（最終制約整合性）という3ラウンド構造により、ベースライン能力から減衰を切り離し、絶対スコアではなくラウンド間のデルタを主要シグナルとしています。
完全な方法論：https://www.winzheng.com/yz-index/methodology
生データAPI：https://www.winzheng.com/yz-index/api/v1/dcd
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接