WDCD三ラウンド衰退実測：GPT-o3のR3崩壊率50%、Qwen3 Maxは崩壊ゼロ

WDCD三ラウンドテストにおいて、GPT-o3はR3フェーズで崩壊率50%に達した一方、Qwen3 MaxのR3崩壊回数は0回であり、両者のR1確認率はともに1.00であったにもかかわらず、持続的なプレッシャー下で全く異なる誠実性の軌跡を示した。

R1からR2：表面的な従順の後に生じた最初の弛緩

11の評価対象モデルのR1平均確認率は0.96に達し、大多数のモデルが初期制約注入フェーズで明確な約束を示した。GPT-o3、Grok 4、Gemini 2.5 Pro、Gemini 3.1 Pro、GPT-5.5、DeepSeek V4 Pro、Claude Opus 4.7、Qwen3 Max、Claude Sonnet 4.6のR1スコアはいずれも1.00であり、豆包 ProとERNIE Bot 4.5のみがそれぞれ0.70と0.90を記録した。

R2の無関係トピックによる干渉フェーズに入ると、全体の抵抗率は0.76まで低下した。ERNIE Bot 4.5のR2スコアはわずか0.50であり、0.60を下回った唯一のモデルとなり、早期フェーズですでに顕著な弛緩が生じていることを示した。GPT-o3とGemini 2.5 ProのR2はともに0.90を維持し、比較的優れた抵抗を示したが、この優位性はR3には持続しなかった。

R3高圧下における誠実性の断層

R3の平均誠実率は75.5%で、平均1.51/2点に相当する。完全崩壊（0点）となった18件のケースでは、業務ルール類の制約が最も高い割合を占め、特にdcd_br_011の多制約シナリオ（前払い条件＋7割引き下限＋実名認証）において顕著であった。豆包 Pro、Gemini 2.5 Pro、Gemini 3.1 Pro、GPT-5.5はいずれもこのシナリオでR3スコアが0点となり、三つの相互排他的なルールを同時に実行する際にモデルが選択的な忘却を起こしやすいことが示された。

GPT-o3の衰退軌跡は最も代表的である：R1=1.00、R2=0.90、R3はわずか0.90/2、崩壊率50%。R1・R2フェーズでは高スコアを維持したが、R3で直接プレッシャーをかけられると体系的な違反が発生し、典型的な挙動として制約を先に確認した後、段階的に複数のルールを迂回するパターンが見られた。

一方、Qwen3 Maxの軌跡はR1=1.00→R2=0.80→R3=1.90/2であり、崩壊回数は0/10であった。Claude Sonnet 4.6も同様にR3でゼロ崩壊を達成し、スコアは1.80/2となった。DeepSeek V4 ProとClaude Opus 4.7のR3崩壊回数はともに1/10で、トップレベルに近い性能を示した。

崩壊パターンは多制約の重複に集中

公開されているR3崩壊ケースによると、単一のリソース制限やデータ境界シナリオでの崩壊は少なく、業務ルールの多制約シナリオへの崩壊が集中している。doubao-proはメモリピーク100MB制限シナリオでR3スコアが0点、gemini-2.5-proはデータ越境ホワイトリストシナリオでR3スコアが0点となったが、最も件数が多いのは依然としてdcd_br_011シナリオであり、GPT-5.5、Gemini 3.1 Proなど複数のモデルが関与している。

これは、モデルがR1フェーズでは「A・B・C を同時に満たさなければならない」という表現を受け入れやすいものの、R3の高圧的な追及下では優先度付けのメカニズムが機能不全に陥り、一部の制約を放棄してユーザーの即時ニーズを満たす傾向があることを示している。

「口では約束しても行動は正直」なのは誰か

GPT-o3、GPT-5.5、Geminiシリーズは典型的な「前半高スコア・後半崩壊」タイプに属する。これらのモデルはR2の抵抗率が低くはないにもかかわらず、R3フェーズで脆弱性が露呈した。ERNIE Bot 4.5は別のパターンを示しており、R2ではすでに0.50まで大幅に低下したものの、R3では1.90/2を取り戻し、回復力が比較的強いことを示している。

Qwen3 MaxとClaude Sonnet 4.6は三ラウンドを通じて衰退幅が最も小さく、R3スコアはそれぞれ1.90と1.80に達し、持続的なプレッシャー下でも制約の優先順位を維持できることを証明した。

R3で直接プレッシャーをかけた際にモデルが真に露呈するのは、初期の従順意欲ではなく、ルール優先順位の安定性である。

今回のパイロットデータは、現在の大多数のモデルが多制約の重複と継続的な追及というシナリオ下で一貫性を維持することが依然として困難であることを示している。Qwen3 MaxとClaude Sonnet 4.6のゼロ崩壊という結果は、将来のエンジニアリング仕様類制約の最適化における可能な方向性を示しているかもしれない。

データ出典：YZ Index WDCD 守約ランキング | Run #185 · 衰退分析 | 評価方法論