半年前，豆包的对话界面里只有一个默认模型，用户没有选择，也不必考虑成本。11 月 12 日之后，模型选择器里排着 9 个可计量档位，每款模型后面标着额度消耗倍率，从 0.01 倍到 1.48 倍，相差 148 倍。这个变化对做 AI 可见度监测的人意味着：同一句提问，可能不再是同一个答案。以上口径，以 11 月 13 日产品页面显示为准。这不是一次界面美化，而是答案的生成路径多了可选项。
一个入口，九个计价档位
把倍率读成模型排行榜是最常见的误读。官方口径很清楚：倍率越低，完成同一任务消耗的额度越少；倍率本身不改变任务复杂度，但决定账户额度被消耗的速度。它是计价系数，不是能力分数（腾讯新闻）。
真正值得记住的是另一层：模型选择权下放到用户手里。过去一个产品背后是一个模型，品牌只要盯住一个引擎；现在同一个入口可以切换九个档位，用户按任务与成本自行选择，答案的生成路径变得不可预设。
倍率不是能力排名
0.01 倍与 1.48 倍的差距，会让很多人先选便宜的。但对监测来说，代价不在额度，而在返工。一个便宜模型给出的答案如果格式不稳、引用缺失，需要人工复核与重跑，总消耗反而更高。
比较的单位应该换掉：不是「单次调用花了多少额度」，而是「完成一份可交付成果总共花了多少额度与时间」。这个口径一旦建立，模型选择就从价格题变成了质量题，同一批问题在不同模型下的引用完整度、事实一致性与格式稳定性，才是要记录的字段。
可见度为什么要按模型分开采样
行业里已经有一个共识性数据：同一提示词在主流 AI 搜索引擎上约 100 次运行中有 99 次返回不同的品牌推荐，引用来源的月度更替率达 40% 至 60%。这类波动本身就要求多轮采样，多模型切换又叠加了一层变量。
如果不分模型，一个品牌可能在某个模型的答案里稳定出现，在另一个模型里完全缺席，混算之后得到一个中性数字，既看不出机会也看不出风险。正确做法是按模型分列提及率与首位提及率，再按目标用户的模型使用分布加权，得到一个可解释的合计。
采样轮次的分配
成本有限时，先按用户占比筛出两三个主力模型做全量采样，长尾模型降为月度抽检。每个模型的问题集保持一致，采样时点统一，否则跨模型的对比没有意义。记录字段至少包含模型名、倍率档位、提及品牌顺序、引用来源域名。
问题库要分层
问题库分两层：固定层是高意图决策问题，跨模型长期跟踪，用来判断结构性变化；探索层是新增场景问题，先在单一模型上试跑，验证有效再扩到全模型。每次平台更新模型或调整倍率，先跑固定层校准集，确认基线没漂移再扩量。
| 时点 | 发生了什么 | 对监测的影响 |
|---|---|---|
| 10 月 29 日 | 三方模型配置先向团队与企业订阅版开放 | 企业客户先出现答案分化，B 端样本需单独标注 |
| 11 月 12 日 | 模型选择页标注额度倍率，扩展至更广泛用户 | 同一入口多模型，采样须按模型分列 |
| 11 月 13 日 | 限时优惠倍率仍在生效 | 优惠期结束后需重跑基线，避免口径漂移 |
报告结构也要跟着改。过去一张表列平台就够，现在至少要列出模型、倍率档位、提及率三列；给业务方看的版本，还得标出哪些差异来自模型本身、哪些来自问题措辞，否则一次读数变化会被误读成竞争力变化。
常见问题
一个入口接多个模型，可见度还能只报一个数吗？
不能。混算的平均值既不可解释也不可复现，至少要按模型分列，再按用户分布加权合计。
额度倍率能当作模型能力排序吗？
不能。倍率是计价系数，只决定额度消耗速度。衡量单位应是完成一份可交付成果的总消耗。
多模型之后采样成本会变高吗？
会。轮次乘上模型数就是成本，可行做法是主力模型全量、长尾模型月度抽检。
问题库需要跟着模型改吗？
需要分层。固定层做跨模型对比，探索层先在单一模型试跑，平台更新后先跑校准集。
