截至11月8日的公开信息，一场针对购物AI的实测给出了一个反直觉的结论：AI 报出来的价格基本都对得上页面，但它漏掉了更便宜的那家店。11月7日公开的实测把同一份购物清单分别交给淘宝AI、京东京言和豆包，再逐个打开商品页核对。豆包报的7489元与抖音旗舰页补贴后价格一致，淘宝AI推荐的第三方店铺实付7208元也与页面一致，京言报的7999元对应实付7992.10元，误差不到7元。三家都没有编造价格，但同一台手机在京东体系内还有一家自营店到手只要7299元，三家AI都没有把它放进来。
价格对得上 覆盖率是另一件事
把「准确率」和「覆盖率」分开，是读懂这次实测的前提。准确率问的是这句话里的数字对不对，覆盖率问的是这句话有没有把该说的选项说完。前者可以逐条核对，后者只能靠穷举比对，成本高得多。多数品牌只盯着前者，因为前者更容易被抓到，也更容易被投诉；但在真实决策里，起作用的往往是后者——顾客不会因为AI说错了一个数字而放弃，却会因为AI少给了一个选项而买到更贵的货。
三个平台的口径差异也是公开的。淘宝AI一开始就说明只能比较站内商品，不会拿其他平台的价格来回答；豆包说明优先抖音电商官方旗舰店、按双11预售券后价计算，想用券还要先授权关联抖音账号。这些说明都在回答里写着，属于可核验的口径披露。问题在于，用户读到的往往只是一个数字，而不是数字背后的范围。
| 提问对象 | 报出的价格 | 页面核对结果 | 未覆盖的情况 |
|---|---|---|---|
| 豆包 | 7489元 | 抖音旗舰店256GB补贴后一致 | 未比价京东与淘宝 |
| 京言 | 7999元，实付7992.10元 | 自营店页面一致 | 同体系另一自营店到手7299元 |
| 淘宝AI | 7208元 | 第三方店铺实付一致 | 仅比站内，未跨平台 |
| 盯价智能体 | 7458元推送 | 京东自营到手价落在其自报区间内 | 历史低价无法回溯核实 |
这张表最值得注意的不是价格，而是最后一列。三家AI的回答都在自己声明的范围内成立，缺口全部出现在范围之外；而盯价类智能体的做法相反，它先把范围写清楚——每天9时到21时检查5次，只看京东自营与淘宝百亿补贴——再在范围内持续比对，不到两小时就推送了一条7458元的到手价。范围越明确，可核验的部分越多。
哪些证据能进AI回答 哪些进不去
算术错误比价格错误更难发现
实测里还有一类错误更容易被忽略：豆包把四件商品的总价算成9090.7元，而四个价格相加少了一角。价格本身都对，加总却错了。这类错误不会出现在任何单个商品页上，只存在于回答的推导过程里，靠对页面是核不出来的。它提醒监测方一件事：AI回答里的可核验事实分两类，一类能回到原始页面复核，一类只能复核计算过程，两类的核验方法完全不同。
另一类证据是识别能力。京言在推荐一款588元的耳机时读取了商品型号，发现页面显示的是另一个型号，直接提示可能存在虚假宣传或翻新问题。这类判断不是价格比对，而是把商品页上的结构化字段读出来做一致性检查。它说明AI回答的质量不只取决于它引用了谁，还取决于它读到了商品页的哪些字段。
引用来源的边界在哪
把这三件事放在一起看，引用来源的作用就清楚了：它决定了回答能覆盖多大范围的商品与店铺。平台自有的商品库决定了站内覆盖，跨平台比价在技术上可行，但公开报道里行业人士的判断是商业上会被封杀，因为没有平台愿意成为外部AI的底层供应链管道。这意味着一个品牌在被问到时是否出现，先取决于它在哪个库里被结构化地登记过，而不是取决于它的价格是否更低。
给监测留四个字段
这次实测没有证明AI在编造价格，反而证明了它在自己声明的范围内相当可靠。真正的问题在于，用户把「对得上」当成了「说全了」。对品牌来说，可做的事有两件：把商品页的结构化字段补到能被读取的程度，让回答有据可引；把监测的口径从准确率扩展到覆盖率，让缺口变成能看到的数据，而不是等顾客自己发现。
常见问题
AI报的价格准确吗？
这次实测里三家AI报出的价格都能在页面上找到对应，没有发现编造。但准并不等于全，同一台手机在京东体系内还有更低的自营店报价未被覆盖。
覆盖缺口该怎么统计？
先看回答有没有声明比价范围，再在范围内穷举比对。范围之外没提到的选项不计入错误率，单列为覆盖缺口，这样准确率与覆盖率才不会互相污染。
为什么算术错误要单独记？
因为它无法通过对页面核出来。价格都对、加总却错，只能复核推导过程。把这类错误并进价格错误，会掩盖回答质量的真实分布。
品牌能直接影响AI的比价范围吗？
不能。范围由平台商品库决定，跨平台比价在商业上难以成立。品牌能做的是把型号、版本、保修、券后价等字段结构化，让自己在库内可被读取、可被引用。
