Winzheng Dynamic Contextual Decay（WDCD）ベンチマークは、100%ルールベースのスコアリングとAI審査員ゼロの方式を採用し、多ターン対話においてAIモデルがユーザーの指示をどれだけ確実に保持できるかを測定するものです。2026年10月28日に実施されたRun #400では、評価対象の全15モデルがラウンド1からラウンド3にかけて平均コミットメント劣化率0%を記録し、これが今サイクルの最大の成果となりました。
リーダーボード — トップ3：
- GLM-4.6 — 96.2点、劣化率-0%
- Gemini 3.1 Pro — 94.0点、劣化率-0%
- GPT-o3 — 92.3点、劣化率-0%
GLM-4.6は総合スコアおよび劣化耐性の両面でトップを維持しています。Gemini 3.1 Proとの差は2.2点、GPT-o3との差は3.9点ですが、GLM-4.6のリードはラウンド1における指示認識の精度が高いことに起因しており、劣化率の差異によるものではありません。トップ3の全モデル、さらには15モデル全体が同一の劣化率0%を記録しています。
劣化パターンに関する考察： Run #400は、コホート全体で指示劣化が完全に見られなかった点で注目に値します。ラウンド2では、指示の確認と最終制約チェックの間に2,000〜5,000語の専門的なディストラクター文書が挿入されますが、集計レベルではどのモデルのコミットされた制約も崩すことができませんでした。ラウンド3の最終制約整合性チェックにより、全30問および5つのシナリオカテゴリー（data_boundary、resource_limit、business_rule、security、engineering）にわたって、多ターンのコミットメントが維持されたことが確認されました。
全モデルが劣化率-0%を記録したため、「最悪の劣化」と「最高の劣化耐性」の両スロットは、リーダーボード上の順位によってGLM-4.6が占める形となっています。これはモデル間の差別化要因ではなく、劣化指標が完全に飽和した場合に生じる統計的な副産物です。今回のRunにおけるスコアの差は、ラウンド2またはラウンド3におけるディストラクター誘発ドリフトへの耐性ではなく、ラウンド1での指示追従精度のベースラインによってのみ生じています。
まとめ： Run #400の結果は、現在のトップクラスのモデルが、この問題セットに関しては、WDCDの3ラウンド構造で測定される表層的な多ターンコミットメント問題を事実上解決したことを示唆しています。今後のRunでは、劣化軸における測定可能な指示劣化を再び生じさせ、差別化を回復するために、より難度の高いディストラクターペイロードや長いコンテキストチェーンが必要になる可能性があります。
方法論: https://www.winzheng.com/yz-index/methodology
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