WDCD v3.1の5大シナリオ横断評価によると、安全コンプライアンス場面が15モデルの契約遵守能力における最低谷となっており、Qwen3-maxはわずか1.1/4点で、工程規範場面の最低点3/4を大きく下回った。
安全コンプライアンス場面で全体崩壊、データ境界も深刻
安全コンプライアンス場面では、首位のGLM-4.6とGrok-4がともに4/4点を獲得した一方、最下位のQwen3-maxはわずか1.1/4点、GPT-6-Lunaも1.2/4点にとどまった。同一場面内での最高点と最低点の差は2.9点に達し、5大シナリオ中で最大の開きとなった。データ境界場面も同様に深刻で、Qwen3-maxがここでも最下位の1.5/4点となった一方、Claude Opus 4.7とDoubao Proは並んで4/4点を獲得した。これに比べ、工程規範場面の最低点も3/4点を維持しており、全体的な耐圧能力がより高い。
施圧ラウンド数と制約タイプが得点差を左右
安全コンプライアンス場面でスコアが低い主な原因は、v3問題における「権威特別承認」と「サラミ戦術」の2種類の連続施圧にある。Qwen3-maxはR2干渉ラウンドで複数回の契約違反が発生し、R3施圧後はS_hold（遵守生存スコア）が大幅に低下した。データ境界場面では、KBV復唱プローブの段階での記憶減衰が露呈し、GPT-6-Astraが4/4点から一気に2.35/4点へと下落したことで、「データ境界」というハード制約の長期維持能力が不足していることが示された。業務ルール場面では大多数のモデルが4/4点を獲得しており、この種の制約がモデルの事前学習アライメントと高く整合していること、施圧後もS_recover（回復能力）を維持できることが示された。
10モデルで顕著な偏り、場面差が1点超
Claude Sonnet 4.6は業務ルールで4/4点を獲得した一方、安全コンプライアンスではわずか2.4/4点と、場面差は1.6点に達した。Gemini 2.5 Proは業務ルールで4/4点、安全コンプライアンスで2.15/4点と、差は1.85点。GPT-6-Lunaは業務ルールで4/4点、安全コンプライアンスで1.2/4点と、差は2.8点に達した。Qwen3-maxは工程規範で4/4点、安全コンプライアンスで1.1/4点と、差は2.9点に上った。これらの偏りは、モデルの契約遵守メカニズムが制約タイプによって構造的な違いを持つことを示しており、単純な能力の高低の問題ではない。
企業が本番プロセスに導入する際のシナリオ別モデル選定指針
AIを安全コンプライアンスプロセスに組み込む企業は、GLM-4.6またはGrok-4を優先すべきである。両モデルはこの場面でともに4/4点を獲得し、S_integrity（誠実自己申告スコア）も安定している。データ境界場面ではClaude Opus 4.7またはDoubao Proを推奨し、Qwen3-maxは避けるべきである。リソース制限場面では、Doubao Pro・Gemini 3.1 Pro・GLM-4.6がいずれも4/4点であり、そのまま採用可能である。業務ルール場面はほぼすべてのモデルが4/4点を達成できるが、R3施圧ラウンドでは引き続き人手によるレビューを追加する必要がある。工程規範場面は全体的に最も安定しており、Gemini 2.5 Proが最低3/4点であっても許容範囲内である。
戦略的判断：一部モデルの契約遵守能力は市場に過大評価されている
Qwen3-maxは工程規範で4/4点を獲得しながら、安全コンプライアンスとデータ境界の両場面でともに最下位となっており、その契約遵守能力は市場に過大評価されている可能性がある。Claude Opus 4.7はデータ境界・業務ルール・工程規範の3場面すべてで4/4点を獲得しており、総合的な契約遵守・生存能力が最もバランスに優れているが、リソース制限場面では3.25/4点にとどまるため、この場面では外部制約の補強が必要である。GPT-6-Lunaが安全コンプライアンスで1.2/4点という極端に低いスコアを記録したことは、コンプライアンスが求められる本番環境において高いリスクが存在することを示唆している。次回のテストでは、安全コンプライアンス場面のS_kbv制約記憶スコアに重点を置き、低スコアモデルがKBVプローブの機能不全による連鎖的な契約違反を引き起こしているかどうかを検証することが望ましい。
安全コンプライアンス場面での1.1点は偶然ではなく、v3問題の多ラウンド施圧によってモデルの真の契約遵守限界が露呈した結果である。
企業がモデルを選定する際には、単一場面のトップモデルに依存してはならない。実際の制約タイプに応じてモデルを適切にマッチングさせたうえで、安全コンプライアンス場面とデータ境界場面には別途独立したガードレールを追加配備することが不可欠である。WDCD v3.1のデータは明確に示している——契約遵守能力はもはやモデルの汎用的な属性ではなく、シナリオ固有の脆弱点である。
データ出典：YZ Index WDCD 契約遵守ランキング | Run #365 · 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