模型交易开始有“征信”了，AI 回答却还没有。百度发布的大模型服务交易平台“词元所”主打验真与征信，用模型指纹比对、能力测试与定期抽检拨测为供应方建立信用评级，上线一个月入驻供应资源超 100 个、日均调用突破 5000 万次。这套能力覆盖的是模型本身，品牌在 AI 回答里被怎么提及、引用了谁，仍要自己按问题库去测——可用的公开口径，只到 11 月 12 日。
供给端有了评级，需求端还要自己核
词元所解决的是信息不对称：企业选模型时不知道对方的真实能力与稳定性，平台用测试与监测给出评级。这套逻辑在算力紧缺、模型密集发布的阶段很有价值——李彦宏提到，今年前 9 个月行业新模型密集发布，单日多家厂商推出新模型成为常态，算力资源持续紧缺、价格走高。
但评级描述的是模型本身的性能与可用性，不是模型输出的内容倾向。同一个模型，问“哪个品牌的空气炸锅好”，回答里提到谁、引用谁，取决于检索到的信源与提示词，不取决于模型的信用分。品牌可见度的问题，仍然要靠自己的问题库去测。评级解决的是采购决策里的信任成本，可见度解决的是市场决策里的表达权，两件事不能互相替代。
引用来源，是模型之外的那半个变量
把回答拆开看，品牌出现在 AI 回答里有两条路径：一条是模型内化的知识，一条是检索到的外部信源。前者由训练数据决定，后者由检索与排序决定。词元所的评级覆盖前者的一部分，后者完全在平台之外。
| 变量 | 由谁决定 | 品牌能否影响 |
|---|---|---|
| 模型内化知识 | 训练数据与模型能力 | 几乎不能，只能长期布局 |
| 检索命中 | 内容的结构化程度与可抓取性 | 可以，通过内容与字段优化 |
| 排序与引用 | 平台检索策略 | 间接，靠信源多样性 |
这也解释了为什么同一条问题在不同平台会得到不同答案。模型能力不同、检索策略不同、信源池不同，三个变量叠加，结果自然分散。想让品牌在多个平台稳定出现，只能分别监测、分别优化，不能靠一次投放解决。
监测记录要加两个字段
模型与版本
模型更新会改变回答风格与引用偏好。监测记录里如果不写模型名称与版本，数据在归因时就没有意义。词元所这类平台的出现，反而让版本记录变得可行——供应方有了统一的标识与评级，监测侧可以把“模型是谁”写清楚。
信源域名
引用来源要记到域名级别，而不是只记“有没有引用”。自有站、电商详情页、垂直媒体、社区问答各占多少，决定了下一步该补哪类内容。域名结构是唯一可以被品牌间接改变的变量，也是优化动作的落点。
证据边界：评级不等于可信
信用评级衡量的是供应方的稳定性与能力，不衡量输出内容的准确性。一个评级很高的模型，仍可能因为检索到过时信息而给出错误描述。品牌在做 AI 回答监测时，要同时记录“说了什么”和“依据是什么”，两者缺一不可。
词元所上线仅一个月，评级体系的实际约束力还需要观察：抽检频率、评级更新周期、低评级供应方是否会被清退，公开信息都没有给出细节。对这些机制的判断，目前只能以 11 月 12 日披露的内容为限。
常见问题
模型有了信用评级，AI 回答就更可信吗？
不是同一件事。评级衡量供应方的性能与稳定性，回答内容的准确性取决于检索到的信源，需要单独核验。
品牌在 AI 回答里的可见度，能靠买模型解决吗？
不能。买模型解决的是调用与成本，可见度取决于检索与引用，仍要按问题库监测并优化内容结构。
引用来源为什么比提及率更值得跟？
因为它是唯一能被间接改变的变量。提及率是结果，引用域名结构是抓手，改内容比改结果可行。
多平台监测的频率该多高？
建议双周一次，季度做归因。模型更新频繁时可以提高频次，但要注意固定问法，否则数据不可比。
