同一个问题丢给五个模型，答案会差多少？11 月 12 日豆包工作宣布在自研模型之外接入 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等第三方模型（第一财经），这意味着同一个办公场景里用户可以在几个模型之间切换，而每个模型对同一个品牌的描述、引用和推荐顺序都可能不同。对做 AI 搜索可见度监测的团队来说，这既是麻烦也是机会：过去按平台分的可见度表，现在要按模型再拆一层。下面这套拆分口径，以 11 月 12 日可查的公开信息为限。
多模型接入把「平台」拆成了「模型」
过去做 AI 搜索可见度，颗粒度停在平台：豆包、元宝、通义、Kimi 各算一列。多模型接入把这个假设打破了——同一个豆包里，用户选 DeepSeek 和选自研模型，看到的答案可能完全不是一回事。如果监测表还按平台汇总，一个品牌在某平台「被提到」的结论，可能只来自其中一个模型的一次回答，另外两个模型里它根本没出现。
更麻烦的是引用来源。不同模型训练数据的截止时间、检索增强的开关、信源的权重都不一样，同一篇品牌新闻在 A 模型里被引用，在 B 模型里可能被完全忽略。今日头条的简报提到，同期 Qwen4-Max 开放预览、百度 ERNIE 5.5 Flash 上线千帆 API、Google 推出新的决策接口，模型层的更新节奏已经快到按月计，平台层的口径跟不上这个速度。
能力拆分：三种口径不能混
提及率回答的是存在感
提及率只回答「有没有被提到」，它是一个存在感指标，不区分被提到的方式。一个问题里列出十个品牌，全部都算提及，但只有前两个会被点开。把提及率当成可见度的全部，会出现品牌在报表上很热闹、实际没人点的情况。
引用来源回答的是可信度
引用来源结构决定 AI 描述品牌时用的是哪套材料：官网、权威媒体、行业数据库，还是社区帖子和聚合页。引用来源越靠近一手材料，描述越准确；引用越依赖二手聚合，事实错误的概率越高。这也是竞品对比要同口径的原因：两个品牌的引用结构不同，比较总分没有意义。
跨模型对比要怎么排期
排期的核心是控制变量：同一天、同一套问题、同一批平台与模型组合，跑完再比。建议把监测分成三层——平台层看入口份额，模型层看答案差异，信源层看引用结构。三层分开跑，才能定位问题出在入口、模型还是内容材料。
| 层级 | 采样对象 | 更新频率 |
|---|---|---|
| 平台层 | 各 AI 搜索入口 | 每周一次 |
| 模型层 | 同平台内的可选模型 | 每两周一次 |
| 信源层 | 回答中引用的域名 | 每月一次 |
分工也要跟着改。过去是一个人管一个平台，现在得有人专门维护模型清单与问题库版本：模型一旦下线或换版本，上一轮数据就不能和新一轮直接对比，必须打上版本标签再入表，否则趋势线会把模型换代读成品牌表现波动。
频率不同是因为变化速度不同：入口的份额按月才动，模型的答案每次都可能变，信源结构最稳定但要长期跟踪。DoNews在分析元宝搜索时提到，这套链路已经从召回、排序到答案生成全面重写，品牌如果还按传统搜索的排名逻辑做优化，会漏掉 AI 回答里的引用与推荐位。问题库要跟着这三层分别建，不能一套问题打天下。
常见问题
模型变多了，品牌可见度会不会被稀释？
会，但稀释的是分母而不是机会。同一个问题在更多模型里被问到，品牌只要在其中多数模型里稳定出现，反而能获得更厚的覆盖面。
引用来源占比怎么统计才可比？
按域名归类，再按官网、权威媒体、社区聚合三类汇总，同一问题集内比较。跨问题集比较没有意义，因为问题类型会改变引用结构。
跨模型对比多久做一次合适？
每两周一次。模型更新频繁，按周做成本太高且噪声大，按月又会错过口径变化。
GEO 优化和传统 SEO 要分开做吗？
要分开评估，但内容可以共用。SEO 看页面在结果页的位置，GEO 看品牌在 AI 回答里被提及、被描述、被引用的方式，两套指标不能互相替代。
