如果模型开始自己优化自己，品牌在 AI 回答里的位置还能按季度复盘吗？按截至 11 月 9 日的公开披露，百度文心首次公布 RSI 进展，参与文心 5.5 Flash 研发的自动研究系统 ERNIE Evolve 已用于推理优化，在昆仑芯 P800 低时延场景中历时约 168 小时、经过 4 轮方向探索，最优版本生成速度提升至基线的 623.6%量子位。这条消息对 GEO 团队的意义不在技术细节，而在一个很实际的问题：当模型的回答风格、引用偏好与推理路径都在快速迭代时，可见度的基线还能用多久。
模型迭代速度改变了监测周期
监测周期的问题很具体。过去做 AI 可见度，通常是月度跑一次问题集，季度做一次复盘；模型半年一换代，这个节奏够用。现在国内外的模型迭代以周计，入口也在一层层加，月度样本很容易在两次跑批之间就失真。
更深一层的变化在推理路径。ERNIE Evolve 用双层循环组织研究，外层提出方向、内层做代码修改与评测，Director、Selector、Executor、Evaluator、Reviewer 五个角色分工，只有通过评测和复核的改进才保留量子位。这套结构说明模型的优化目标是可定义的，而回答的生成过程也越来越多环节、越来越依赖中间判断。
基线为什么要按版本锁定
基线不是一组固定的数字，而是一组在特定模型版本、特定入口、特定问题集下测出来的结果。三个条件任何一个变了，基线就要重测。很多团队的问题是把某次测试的结果当成长期基线，半年后拿新数据去比，得出「可见度下降了」的结论，实际只是模型换了。
三种漂移要分开记
| 漂移类型 | 表现 | 处理方式 |
|---|---|---|
| 版本漂移 | 换代后回答风格变化 | 换代即重测 |
| 入口漂移 | 同问题不同入口答案不同 | 按入口分层记录 |
| 语料漂移 | 引用来源结构变化 | 按月统计来源占比 |
版本漂移最容易被误判成优化失败。模型换代后，回答的句式、结构、引用偏好都会变，原本被引用的内容可能不再被引用，这不是内容变差，是模型的口味变了。判断方法很简单：换代后先跑一批固定问题，看整体引用结构是否变化，再决定要不要改内容。
入口漂移在国内尤其明显。千问办公在 11 月 9 日发布 2.0 版本，成为首个支持多人与 Agent 协作的 Team Agent量子位；Fable 5.2 同期发布，主打从零构建系统与性价比量子位。入口越多，同一个问题在不同界面得到的答案差异越大，把多入口数据混在一起算平均，等于把噪音当成信号。
语料漂移要靠来源占比来观察。品牌被引用，可能来自官网、媒体、电商平台三类来源，三类的占比会随模型与入口变化。按月统计占比，比记录「被引用了几次」更有解释力，因为它能指出缺口在哪一类内容上。
对品牌 GEO 管理意味着什么
第一件事是把监测频率提到周级，至少在模型换代或入口调整的窗口期这么做。频率提高的代价是成本，但推理价格在下降，同样的预算能跑更多样本，这一点在成本侧是有利的。
第二件事是把问题集做成版本化的资产。同一批问题、同一套口径、同一组平台，每次跑批记录模型版本与日期，形成可比的时间序列。没有版本记录的数据，半年后就无法解释。
第三件事是接受「结论有效期」这个概念。GEO 的结论不像财务数据那样稳定，它依赖模型当时的行为；把结论标注上有效期，比追求一个永久的答案更接近实际。
边界也要讲清楚。百度的 RSI 进展披露的是推理优化环节的收益，不等于回答质量或引用偏好已经稳定；模型能力与搜索行为之间的关系，仍需要按平台、按入口分别验证。任何把单次测试当成长期结论的做法，都会在下一轮迭代里被推翻。
问题集是最该先资产化的东西
问题集看起来是执行细节，实际是 GEO 里唯一能跨模型版本比较的东西。模型换了、入口变了、引用结构变了，只有问题本身没变；把问题按购买意图、比较意图、故障排查三类固定下来，每次跑批的结果才有可比性。问题集每次临时拟，等于每次都从零开始，也就永远得不出趋势。
维护问题集的办法是版本号加变更记录。新增问题要标注来源，比如用户搜索词、客服对话、销售反馈；删除问题要写明原因，三个月回看一次，把长期没有变化的答案单独挑出来看。这批「答案很稳定」的问题往往最值得投入，因为它们已经形成了模型与用户之间的共识。
常见问题
模型换代后，之前的可见度数据还能用吗？
只能作历史基线。回答风格与引用偏好会变，换代后应重跑同一套问题集再比较。
监测频率应该多高？
常规月度、换代或入口调整期提到周度。频率取决于预算与变化速度，不是越高越好。
三种漂移怎么区分？
换代后整体变化是版本漂移，同问题不同入口不一致是入口漂移，引用来源占比变化是语料漂移。
GEO 和 SEO 在基线管理上有什么不同？
SEO 的排名相对稳定，GEO 的回答每次生成都可能不同，必须靠重复提问统计比例并锁定版本。
这套判断的边界在哪里？
依据 11 月 9 日的公开披露，新模型发布时间与能力评测未公布，实际影响需等上线后验证。
