- 首页
- 方法
方法版本 v0.1 · 2026-10
方法论
OpenGEO 的每一个数字都对应一个公开的定义、一个公式和一份样本说明。本页是所有图表 ⓘ 的落点。
范围
我们测量中文 AI 搜索平台在回答问题时引用了哪些来源、引用是否可见、是否分散、是否稳定。我们不评价回答的正确性和有用性。
当前覆盖 5 个平台（DeepSeek、Kimi、千问、元宝、豆包）的网页端，未登录、默认联网模式。App 端、登录态和海外平台在计划中。
榜单、实验和数据集页面上标注「示例」的数字目前是示例数据，不是正式测量结果。
指数与评测
问题集
问题集 Q-2026-10 共 90 题，覆盖 6 个行业，每个行业 15 题。题目来自公开搜索热词和用户访谈，由两名编辑独立审核后定稿。
采样
每题在每个平台提问 3 次，间隔 24 小时，均在网页端、未登录、默认联网模式下完成。每次回答保存全文、引用 URL 和截图。
- 问题集
- Q-2026-10 · 90 题
- 重复
- 每题 3 次 · 间隔 24 小时
- 每平台样本
- 270 条回答
- 环境
- 网页端 · 未登录 · 默认联网模式 · 每题间隔 24 小时
指标定义
每项评测的定义、公式与样本。点击名称进入评测页查看各平台结果。
引用可见率Citation Visibility
回答中展示了可点击来源的回答占比。用户能不能看到 AI 的依据，是判断一个回答可不可以核对的第一步。可见率衡量的是「有没有给出来源」，不衡量来源好不好。
来源多样性Source Diversity
引用域名分布的香农指数，按域名总数归一化到 0–1。衡量平台是不是总引用同几个网站。数值越接近 1，引用越分散；越接近 0，越集中在少数网站上。
引用稳定性Citation Stability
同一问题重复 3 次，引用域名交集占并集的平均比例。同一个问题隔天再问，平台还引用不引用同样的来源。稳定性低，意味着「今天被引用」不能说明「明天还会被引用」。
引用时效性Citation Freshness
被引网页中，发布或最近更新时间在提问日前 12 个月内的占比。衡量平台倾向引用新内容还是旧内容。对价格、政策、产品型号类问题，时效性直接影响答案是否还成立。
官网引用率Official Site Share
全部引用中，指向品牌或机构官方网站的占比。对品牌方最直接的问题：AI 回答提到你时，引用的是你自己的官网，还是第三方的说法。
问答社区占比Q&A Community Share
全部引用中，来自知乎等问答社区的占比。描述平台的来源结构：有多少依据来自用户生成的问答内容。这是一个中性指标，只描述结构，不分好坏。
平均引用来源数Avg. Citations per Answer
每个展示了来源的回答中，平均给出的不重复来源数。来源数量描述回答的「依据密度」。它不进入综合指数，因为多给链接不一定更透明。
引用源变化率计划 · 尚未发布
相邻两轮测试之间，同一问题的引用域名被替换的比例。
综合指数
排名怎么解释
✓意味着
- 分数高，说明这个平台的回答更常给出可点击来源、来源更分散、隔天再问时来源变化更小。
- 相差 3 分以内（v0.1 示例数据的估计误差范围）视为同一档，不应解读为名次差异。
- 指数适合比较「同一轮、同一问题集」下的平台；跨轮比较请看「随时间变化」并留意版本号。
✕不意味着
- 不衡量回答是否正确、是否有用。
- 不衡量来源是否权威可信。
- 不代表某个品牌在某个平台上「更容易被推荐」。
局限
- 网页端、未登录、默认联网模式，结果可能与 App 或登录用户不同。
- 问题集偏向消费类行业（6 个行业各 15 题）。
- 三项指标存在相关性（可见率低的平台，多样性和稳定性的样本也更少）。
- 平台更新模型或检索策略后，分数会变化；每轮结果只代表测量当月。
- 榜单、实验和数据集页面上标注「示例」的数字目前是示例数据，不是正式测量结果。
复现
复现代码整理中，公开后在此更新。公开后任何人用同一脚本和问题集重跑，都应得到误差范围内的结果；出现明显偏差的实验会标回“初步”。
版本记录
- v0.12026-10
首版。3 项评测等权；问题集 Q-2026-10（90 题）；5 个平台；另发布 3 项补充评测（时效性、官网引用率、问答社区占比）不进指数。
- v0.2计划
计划加入「来源可核验率」（链接可打开且内容与回答一致），并公布加权方案与等权方案的对照。