模型路由上线 AI搜索可见度的口径要分层
2026-11-15博晓通

模型路由上线 AI搜索可见度的口径要分层

模型路由上线 AI搜索可见度的口径要分层 文章配图

先把一个词说清楚:这里的「可见度」不是品牌被提到几次,而是在一组固定的问题上,品牌是否出现在回答里、排在第几位、被哪条链接支撑。以 11 月 15 日为界,谷歌公布的模型路由机制让这件事更复杂了——同一个问题,系统可能在同一次会话里切换不同模型来回答,而不同模型的得分、速度与擅长任务并不一样。

同一句话,三个模型给三个答案

已知事实未证实需要核实
谷歌称Hydrogen默认high档在Artificial Analysis Intelligence Index得51分,高于Argon的50分、低于Carbon的60分,xhigh档为54分各档位在中文问题上的表现未公布分语言的评测结果
官方称Hydrogen默认high档完成任务速度约为Gemini 3.8 Flash的2.5倍,Terminal-Bench 4.1得分57%(对照18.2%)上述数字均为谷歌发布材料,非独立盲测第三方复现结果
Orchestrator在同一会话动态切换模型:Carbon负责系统设计、复杂判断与任务拆解,Hydrogen负责代码修改、并行工作与验证切换规则与触发条件未公开用户侧可观察的切换迹象

按钛媒体 11 月 15 日早报整理,谷歌在模型侧同时放出三款定位不同的型号:Carbon 得 60 分、负责系统设计与复杂判断,Hydrogen 默认 high 档 51 分、xhigh 档 54 分、负责代码修改与并行验证,Argon 为 50 分 (钛媒体)。真正的新东西不是分数,而是那层 Orchestrator:它在同一次会话里根据任务动态切换模型。

对做品牌监测的人来说,这层路由意味着「一个平台的可见度」这个说法已经不够用了。用户看到的是一段回答,回答背后可能先由规划模型拆解问题、再由执行模型补全细节,中间还可能调用检索。品牌被写进去还是被漏掉,取决于哪一层做出的判断。

先分清是入口差异,还是模型差异

做对比时最常见的错误,是把不同入口的结果混在一起算平均。搜索框、对话页、插件、API,四个入口的检索范围与信源偏好都不同;即便在同一个入口,路由也会让答案随任务类型变化。把四类结果平均成一个数字,等于把所有差异都抹平。

可操作的做法是先做两分法:入口固定、问题固定,只改变提问方式与轮次,看答案是否稳定;再固定提问方式,换入口,看差异有多大。两步做完,才能判断波动来自入口还是来自模型。

  • 一层:入口与场景搜索结果页的 AI 摘要、对话式问答、浏览器插件、开发者 API 调用,四种场景的检索范围不同,先分开记录。
  • 二层:生成模型同一入口下由哪个模型产出答案。模型不公开时,用多次采样的答案一致性做间接判断。
  • 三层:检索与信源回答引用了哪些页面、来自哪些域名。引用来源的结构决定品牌能否被稳定带出。
  • 四层:问题类型信息型、比较型、购买型问题的答案结构不同,品牌在比较型问题里的位次才是竞争位次。

路由把「一个平台的可见度」拆成了几层

这四层不是概念分类,而是四组不同的指标。入口层看覆盖率,模型层看稳定性,检索层看引用来源占比,问题层看竞品位次。把这四组压成一个总分,唯一的用处是对外汇报,对内决策没有帮助。

另一条证据来自厂商侧的模型迁移。GitHub 预告 12 月 14 日从 Copilot 多个入口退役 Claude Fable 5、Haiku 4.5、Gemini 3.8 Flash、Gemini 4 Argon、Grok 4.6 与 Kimi K3,并列出多数替代型号 (AI技术热点日报)。模型一旦换代,同一问题的答案口径会整体位移,历史数据必须标注生成方才有可比性。

监测表要加一列:这条回答由谁生成

落地到监测表,最小改动是加三列:生成方(模型或未知)、入口、采样时间。加完之后,很多原本解释不了的波动会有解释——不是品牌变弱了,而是那天的问题被另一个模型接了。

多模型并行也在成为常态。豆包工作在 11 月 12 日接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等第三方模型,并用额度消耗倍率区分各模型成本 (澎湃新闻)。一个产品背后挂着多家模型时,品牌可见度的差异会同时来自模型能力与调用成本。

层观察指标采样方式
入口各入口覆盖率同一问题跨入口各采 3 次
生成模型答案一致性同题同时段重复采样
检索信源引用域名占比逐条记录引用链接
问题类型竞品位次按比较型问题单独分组

分层之后,报告该怎么写

报告的第一页不应该是一个总分,而应该是一张分层表:每层给出样本量、观察到的位次区间、以及引用来源的域名分布。读者能据此判断结论的适用范围,而不是拿着一个数字去开预算会。

第二页再谈优化。优化的顺序也有讲究:先解决引用来源的结构问题,再解决内容的表述问题,最后才谈投放。引用来源里没有品牌可控的页面,内容写得再好也不会被带出。

问题库不变,采样口径必须写死

分层监测最怕的是口径漂移。问题库、地区、时段、账号状态四项写死之后,跨月对比才有意义。任何一项改动,都要在数据里留标记,否则前后两期无法比较。

到这里能确定的是:模型路由不会让可见度变得不可测,但它会让「一个数字概括全部」的做法彻底失效。分层不是增加工作量,而是把工作量放在真正会变的地方。

行动清单:按顺序执行,每步产出可复核记录。前一步的产出是后一步的输入,顺序不打乱。若某一层缺样本,先缩小问题集再补采,不要用推断值填空。

  1. 由市场团队确定问题集,按信息型、比较型、购买型分组,每组 10 至 15 个问题。
  2. 由数据岗固定采样口径:地区、时段、账号状态、提问模板,写入监测表说明。
  3. 由监测执行方为每条回答补齐生成方、入口、采样时间三列,未知则标注未知。
  4. 由分析岗按四层汇总,输出位次区间与引用域名分布,不输出单一总分。
  5. 由内容团队针对引用来源缺口补页面,两月后复采同一问题集验证变化。

追溯核验字段示例:下表为核验时至少留存的字段与示例值。示例值按本篇问题集的真实编号书写。字段确定后跨批次沿用,避免口径漂移。

字段示例值用途
问题编号与类型Q-COM-07 / 比较型分组统计
入口对话式问答区分场景差异
生成方未知(同题三次答案不一致)标注模型变量
品牌位次第 3 位出现竞争位次
引用域名2 个媒体站 / 1 个品牌站信源结构

常见问题

  • GEO 和 SEO 到底差在哪,为什么现有排名不能直接换算?

    排名的对象是网页,回答的对象是一段话。SEO 争链接位置,GEO 争品牌有没有被写进答案、写在第几位、由哪条来源支撑。同一平台同一问题,答案可能由不同模型生成,排名无法映射成可见度。

  • 平台不公开用哪个模型回答,监测怎么做?

    做可复现的采样而不是求全。固定问题集、地区、时段与账号状态,每次记录回答原文、引用链接、出现的竞品与位次。模型不公开就把它当未知变量,用多次采样的稳定性判断结论。

  • 一次会话里切换模型,会不会让同一问题出现矛盾答案?

    会,而且这是设计使然。负责规划与负责执行的模型擅长的任务不同,答案因此可能出现口径差异。要紧的不是消灭差异,而是知道差异出现在哪类问题上。

  • 分层之后,样本量要不要成倍增加?

    不一定。先把问题集按决策类型分组,每组只保留最关键的问题,再在组内多次采样。分层不是测遍所有组合,而是让每个结论都能追到平台、问题类型与生成方式。

数据来源