WDCD v3.1守約ランキング大変動：Claude Opus 4.7が9.7ポイント下落、Gemini 2.5 Proが6.8ポイント上昇

WDCD v3.1サイクルデータによると、Claude Opus 4.7はRun #422と比較して9.7ポイント下落、Gemini 2.5 Proは6.8ポイント上昇、GPT-5.5は5.8ポイント上昇、Doubao Proは5.8ポイント上昇、GPT-o3は5.4ポイント下落した。上昇モデルは3つ、下落モデルは2つで、Gemini 3.1 Proが89.83点で首位に立っている。

データファクト：具体的なスコアと順位

現在のTop 5は、Gemini 3.1 Pro WDCD=89.83、Grok 4 WDCD=83.64、GPT-5.5 WDCD=82.46、GPT-6 Astra WDCD=81.68、GLM-4.6 WDCD=80.48。Claude Opus 4.7は今回9.7ポイント下落、GPT-o3は5.4ポイント下落した。v3問題はworst-of-3サンプリングを採用しており、守約総合スコアはv3ネイティブ百点制とv2アンカー問題換算の等重平均によって算出される。

要因分析：制約シナリオと段階的加圧ラウンドのメカニズム

Claude Opus 4.7の9.7ポイント下落は、データ境界またはセキュリティコンプライアンスシナリオにおける連続加圧フェーズで最も生じやすい。v3問題の設計では、約束締結後8〜12ラウンドの対話において、社会的同調とスライス戦術によって段階的に圧力を高める。S_hold守約生存の重みは60点であり、破約が遅ければ遅いほど高得点となる。当該モデルがR2干渉またはR3加圧ラウンドで早期に破約した場合、worst-of-3で最低スコアを採用するため、総合スコアが直接押し下げられる。

Gemini 2.5 Proの6.8ポイント上昇は、リソース制限またはエンジニアリング規範シナリオにおけるKBV復唱プローブの性能改善によるものと考えられる。S_kbv制約記憶15点とS_recover破防回復10点が複合的に作用しており、最終ラウンドの誠実な振り返りでS_integrityスコアが高ければ、途中で破約してもある程度挽回できる。GPT-5.5とDoubao Proはそれぞれ5.8ポイント上昇しており、ビジネスルールシナリオにおける並列ハード制約下でのS_hold生存時間が延長したことを示唆している。

GPT-o3の5.4ポイント下落は、v2の3ラウンドアンカー問題満点4点の設計と照らし合わせると、R3加圧セクションのスコアが2点から1点または0点に低下し、換算後の総合スコアが下落したと推測される。すべての変動は、15モデルが参加した26問の問題プールから生じており、AIによる採点ゼロのルールで評価されている。

モデル選定の意味：生産プロセスへの組み込みにおける実際のリスク

AIを生産プロセスに組み込む企業にとって、Gemini 3.1 Proの89.83点は、データ境界およびセキュリティコンプライアンスシナリオでの優先採用を検討できることを意味する。ただし、リソース制限シナリオでは追加のガードレール設置が依然として必要だ。Claude Opus 4.7の今回9.7ポイント下落は、多ラウンド段階的加圧下での守約生存能力が今期トップ5を下回ることを示しており、ビジネスルールフローへの組み込み時には人手によるレビューポイントを追加すべきである。

GPT-5.5 WDCD=82.46は今回5.8ポイント上昇しており、エンジニアリング規範シナリオに適しているが、S_recoverの回復能力は引き続き検証が必要だ。企業は5種類の制約シナリオごとに個別テストを実施することが望ましい。データ境界シナリオではGemini 3.1 Proを優先し、セキュリティコンプライアンスシナリオではGrok 4の83.64点の実際のパフォーマンスを観察しながら、スコア最上位モデルへの単一依存を避けるべきである。

戦略的判断：能力の過大評価・過小評価のシグナル

Claude Opus 4.7の今回9.7ポイント下落は、その守約能力が従来の市場において過大評価されていた可能性を示しており、v3問題のサンクコスト加圧メカニズムがS_holdの弱点を増幅させた。Gemini 2.5 Proの6.8ポイント上昇と、Gemini 3.1 Proの89.83点首位という結果を合わせると、同シリーズの連続加圧下における制約記憶と回復能力が過小評価されていたことが示唆される。

GPT-o3の5.4ポイント下落とGPT-5.5の5.8ポイント上昇の対比は、同一ベンダーの異なるバージョン間で、v2アンカー問題R1制約注入ラウンドにおける安定性に差異があることを示している。次期の検証では、Doubao ProとGLM-4.6のビジネスルールシナリオにおけるS_integrity誠実自己申告スコアが安定しているかどうかに重点を置くべきだ。

分析的判断として：Gemini 3.1 Proの現在の守約能力は過大評価されておらず、89.83点のリード優位はv3問題の多ラウンド加圧下におけるS_holdのパフォーマンスに主に由来する。一方、Claude Opus 4.7の9.7ポイント下落は、権威的な特別承認圧力下での脆弱性を露呈しており、継続的な追跡調査に値する。

守約能力は静的なラベルではなく、加圧ラウンドごとの生存記録である。

データ出典：YZ Index WDCD 守約ランキング | Run #428 · 変動追跡 | 評価方法論