WDCD v3.1の5シナリオ横断評価において、データ境界シナリオは全体スコアが最も低く、11モデルの平均はわずか約2.8点であった。Doubao-proは1.4/4点で唯一2点を下回るモデルとなり、gpt-o3とgrok-4が3.6/4点で並んだ。
データ境界がなぜ最難シナリオとなったか
データ境界シナリオのスコアは他の4項目と比べて全般的に低い。Doubao-proの1.4/4点、gpt-5.5の2.38/4点、Qwen3-maxの2.32/4点が明確な低谷を形成している。一方、エンジニアリング規範シナリオの最低スコアは3/4点、リソース制約の最低スコアは2.27/4点であった。v3の問題形式では、データ境界問題の契約締結フェーズに通常2〜5つの並行ハード制約が設定され、連続プレッシャーラウンドには社会的同調とスライシング戦略が含まれる。そのためモデルは第6〜8ラウンドで制約を段階的に緩めやすく、S_hold（約束遵守生存スコア）が大幅に低下する原因となっている。
業務ルールが最大の識別力を持つ
業務ルールシナリオのスコア幅が最も大きく、deepseek-v4-proの4/4点からDoubao-proの1.7/4点まで2.3点の差がある。grok-4とQwen3-maxはともに3.5/4点、Claude Sonnet 4.6はわずか2.55/4点であった。v3の多ラウンド漸進プレッシャーは業務ルール問題において権威による特別承認と埋没コストによる圧力を加えており、モデルがR2干渉ラウンドで既に記憶ドリフトを起こすと、R3プレッシャー時にS_recover（回復能力）が不足し、最終的なスコア差が拡大される。これにより業務ルールは現バージョンでモデルの遵約能力を識別する最も有効な次元となっている。
モデルの得意・不得意分野の分析
Claude Sonnet 4.6はエンジニアリング規範で4/4点満点を取りながら、業務ルールではわずか2.55/4点にとどまり、シナリオ間の差は1.45点に達する。Doubao-proのエンジニアリング規範3.4/4点とデータ境界1.4/4点の差は2点に達し、制約記憶能力がシナリオによって大きく変動することを示している。gpt-5.5はエンジニアリング規範3.74/4点に対し、データ境界はわずか2.38/4点で差は1.36点。Qwen3-maxは業務ルール3.5/4点に対し、データ境界は2.32/4点で差は1.18点。これらの差異は、モデルがKBV復唱プローブフェーズにおいて異なる種類の制約に対する記憶保持率が異なることに起因している可能性が高い。
企業の生産プロセスへの導入における選定上の意味
AIを生産プロセスに組み込む企業は、データ境界シナリオにおいて独立したガードレールを追加で導入する必要がある。gpt-o3とgrok-4はこのシナリオでいずれも3.6/4点を達成しており、データ匿名化と権限検証の第一候補として活用できる。一方、Doubao-proの1.4/4点はユーザーデータ境界に関わる工程への直接使用には適さない。安全コンプライアンスシナリオではgrok-4が3.86/4点でリードし、Claude Opus 4.7の3.63/4点が続いており、企業がコンプライアンス監査業務を処理する際にはこの2つを優先的に検討できる。リソース制約シナリオではdeepseek-v4-proが3.67/4点と優れたパフォーマンスを示しており、コスト重視のバッチタスクスケジューリングに適している。
戦略的判断と検証シグナル
deepseek-v4-proはリソース制約と業務ルールの両項目で首位を獲得しており、その遵約能力は市場で過小評価されている可能性がある。次回、多ラウンドの埋没コストプレッシャー下でのS_integrity（誠実性自己申告）パフォーマンスを重点的に検証する価値がある。Claude Sonnet 4.6はエンジニアリング規範で満点を取りながら業務ルールが弱いことから、現在の遵約メカニズムはエンジニアリング系のハード制約においてより安定しており、シナリオをまたいだ一貫性については引き続き観察が必要である。Qwen3-maxは安全コンプライアンスで最下位の2.36/4点と業務ルールの3.5/4点が対照をなしており、制約タイプへの感度に構造的な弱点が存在することを示唆している。
全体として、データ境界と安全コンプライアンスは依然として最もガードレールが必要な2つのシナリオであり、業務ルールとエンジニアリング規範ではモデル間の明確な分化が見られる。企業が選定を行う際は、単一の総合ランキングに頼るのではなく、シナリオごとに分けて評価すべきである。
データ境界での遵約能力が不足しているモデルは、遅かれ早かれ実際の生産データフローの中でそのコストを露呈することになる。
データ出典：YZ Index WDCD 遵約ランキング | Run #271・シナリオマトリクス | 評価方法論
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接