レビュー R3で26回崩壊、Grok 4はゼロ崩壊——WDCDの3ラウンド衰退の実際の軌跡 8問のv2アンカー問題を対象とした評価において、11モデルのR3平均誠実率はわずか51.3%にとどまり、26回の完全崩壊（0点）が第3ラウンドの加圧後における制約遵守の系統的な劣化を如実に示した。 WDCD 守约测试 约束衰减 模型稳定性 2026年8月23日 294
レビュー 67.5点で三強並列首位、Grok4はわずか50点で最下位 WDCD遵守ランキング WDCD遵守テスト第1期の結果が発表され、3モデルが67.50点で並列首位、Grok 4とERNIE Bot 4.5が50点で並列最下位、R3段階では65.5%のモデルが崩壊した。 WDCD 守约测试 Claude Sonnet 模型约束能力 2026年6月10日 877
