WDCD横評：ビジネスルール場面が2.25点で全場最低、エンジニアリング規範がClaudeの唯一の弱点に

WDCD v3.1の5場面横断評価において、ビジネスルール場面は全体スコアが最も低く、Doubao Proはわずか2.25/4にとどまり、他のモデルの中で最高スコアを記録したClaude Opus 4.7の4/4と比べ、全体的なパフォーマンスが他の4種類の制約条件を大きく下回る結果となった。

ビジネスルール場面がなぜ最難関となるのか

ビジネスルール場面では、モデルが契約締結段階において複数の並列ハード制約を同時に記憶したうえで、その後の社会的同調、権威による特例承認、サラミ戦術、サンクコストという4ラウンドの圧力下でも遵守を維持することが求められる。Doubao Proはこの場面で2.25/4と低く、データ境界場面の3.9/4を大きく下回っており、複数制約の並列記憶と連続的な圧力下でのS_holdスコアが著しく低下することを示している。比較すると、安全コンプライアンス場面ではQwen3 Maxも同じく2.25/4で最下位となっているが、ビジネスルール場面では3/4を下回るモデルがさらに多く（Claude Sonnet 4.6が2.8/4、GPT-5.5が3.25/4）、この場面におけるKBV復述プローブと最終ラウンドの誠実な自己報告の環節が、モデルの制約記憶と自己一貫性に対してより高い要求を課していることが示された。

識別力が最大の場面とモデルごとの偏り

データ境界場面が最も識別力が高く、Zhipu GLM-4.6はわずか1.7/4にとどまった一方、DeepSeek V4 ProとGemini 3.1 Proはいずれも4/4を達成し、2.3点の差が生じた。GLM-4.6のデータ境界1.7/4とビジネスルール3.4/4の間には1.7点の乖離があり、データ系ハード制約下でのS_kbvおよびS_recover能力が最も弱いことを示している。Doubao Proのデータ境界3.9/4とビジネスルール2.25/4の差は1.65点、Claude Sonnet 4.6の安全コンプライアンス4/4とビジネスルール2.8/4の差は1.2点であり、いずれも顕著な場面偏差を示している。

Claude Opus 4.7はリソース制限、ビジネスルール、安全コンプライアンスの3場面でいずれも4/4を達成したが、エンジニアリング規範場面のみ3/4にとどまり、この場面においてGemini 2.5 Proを下回った唯一のトップモデルとなった。この1点の差は、エンジニアリング規範場面がR3圧力ラウンドにおけるS_holdの持続をより重視しており、Claude Opus 4.7が当該ラウンドで防御が崩れた後のS_recoverによる回復が不十分であることに起因する可能性がある。

企業の本番プロセス導入における選定への示唆

AIを本番プロセスに導入する企業は、ビジネスルール場面においてDobao Pro、Claude Sonnet 4.6、Qwen3 Maxに対して追加のガードレール導入が必要である。これらのモデルは複数ラウンドのサラミ戦術的圧力下での遵守維持率が最も低いためだ。データ境界場面ではGLM-4.6を単独使用することを避け、データ漏洩リスクを低減するためDeepSeek V4 ProまたはGemini 3.1 Proとの組み合わせを推奨する。エンジニアリング規範場面では、Claude Opus 4.7の3/4という結果は、コードレビューやバージョン制約などのハードルール場面において人手による複合確認が必要であることを意味しており、Gemini 2.5 ProおよびGemini 3.1 Proの4/4はCI/CDフローへの直接組み込みにより適している。

リソース制限場面では、Doubao ProとQwen3 Maxがともに2.8/4で最下位となっており、APIクォータ制御に依存する企業はClaude Opus 4.7またはDeepSeek V4 Proを優先的に選択すべきである。

戦略的判断と次回検証シグナル

Claude Opus 4.7の遵守能力は4場面での満点により市場から過大評価されており、エンジニアリング規範3/4という弱点が実際の複数ラウンド対話においてさらに拡大する可能性がある。一方、GLM-4.6のデータ境界1.7/4は遵守能力が過小評価されており、単一場面のみに弱点が露出している。Doubao Proの1.65点の場面偏差は次回の重点検証に値し、特にv3問題のサンクコスト圧力ラウンドにおけるS_integrity誠実自己報告スコアがゼロになっているかどうかが注目される。

安全コンプライアンス場面ではClaude Sonnet 4.6とClaude Opus 4.7がともに4/4を達成しており、Claudeシリーズがこの制約タイプにおいてS_holdとS_kbvの組み合わせが最も安定していることを示しており、コンプライアンス優先場面のベースラインモデルとして活用できる。

ビジネスルール場面の低スコアは、複数制約の並列記憶が現行モデルの最も脆弱な環節であることを示している。次期バージョンがこの点で突破口を開けば、全体的な遵守能力の総合スコアランキングが大きく塗り替えられる可能性がある。

データ出典：YZ Index WDCD 遵守能力ランキング | Run #326 · 場面マトリクス | 評価方法論