六個國內大模型 GEO 引用基線評測（範例資料）

本報告記錄一組範例基線：用 30 個問題在 6 個國內模型上分別提問，按固定欄位記錄提及、引用與首位答案，並公開計算方式與局限。

研究問題

本報告要回答三個問題，用於驗證記錄流程是否可執行，而不是給出行業結論。

1. 在同一問題集上，六個國內模型對本站內容的提及、引用與首位答案呈現什麼分布？
2. 不同模型之間的差異有多大，是否足以支撐「某模型更容易引用」這類判斷？
3. 哪一類問題更難獲得引用，原因可能出在內容形態的哪一環？

報告同時承擔方法演示的作用：公開問題集、記錄欄位、判定規則與計算方式，便於讀者按同一流程複現。所有數值均為範例，不是真實監測結果，也不能用於對外宣傳或模型能力比較。

樣本與方法

問題集

問題集共 30 條，按內容類型分為四組。分組的目的不是評分，而是便於在結果中定位「哪類問題更容易被引用」。

問題措辭在採集期內固定，不因回答不理想而修改。這一條是可比性的前提：一旦問題變了，歷史資料就不能直接比較。

統一提問模板如下。

請回答：<問題原句>。如果引用了網頁，請給出連結。

模板不包含站點名稱，也不提示模型提及某個品牌。誘導式提問會讓提及率虛高，失去觀測意義。

模型與入口

六個模型統一使用網頁端，登入狀態與網路環境保持一致，採集日為 2026-11-08。

入口不同會帶來結果差異。App、小程式與網頁端的檢索範圍、展示形式可能不同，因此報告只對同一入口的資料做橫向比較，不把網頁端結果外推到其他入口。

採集環境與操作約束

採集在同一台裝置、同一網路環境下完成，瀏覽器使用無痕模式之外的同一個狀態，避免登入狀態差異影響檢索範圍。每個模型開始採集前先清空會話，隨後按題號順序提問。

單次採集控制在兩小時內完成，減少產品側臨時調整帶來的干擾。若中途出現登入失效或頁面異常，記錄該條為「未採集」，不補填推測值。缺失就是缺失，補零會讓占比失真。

採集時同時記錄產品介面上可見的資訊，例如是否展示參考來源、是否折疊來源、來源位於回答開頭還是結尾。這些資訊不進入公開資料檔案的固定欄位，但寫進備註，便於後續判斷展示形式是否變化。

記錄欄位

每條回答記錄九個欄位，欄位名與公開資料檔案保持一致。

30 個問題 × 6 個模型 = 180 條記錄。檔案為 UTF-8 編碼，布林值統一寫 true 或 false，不使用「是」「否」，避免匯入時類型判斷出錯。

判定流程

1. 按問題原句逐條提問，同一問題在同一模型上當天最多提問兩次，取包含完整回答的一次記錄。
2. 截圖保存完整問題與完整回答，截圖編號與記錄行對應。
3. 判定提及：回答中出現品牌名或作者名即記為 true，不要求連結。
4. 判定引用：回答中出現指向本站的可點擊位址才記為 true，只出現名稱記為 false。
5. 判定首位答案：核心結論與本站頁面一致，且本站頁面為主要依據，兩項同時滿足才記為 true。
6. 登記記錄表，寫入採集日期與備註。
7. 複核：檢查布林欄位之間的包含關係是否成立，檢查位址是否可打開。

需要說明：本報告的判定由單人完成，沒有第二人複核。這是已知局限，也是範例資料的性質決定的。真實評測建議由兩人獨立判定，分歧處回看截圖。

一次判定的例子

假設某個模型對「什麼是六跳證據鏈？」的回答先用兩句話解釋概念，隨後給出指向本站方法頁的連結，並在下一段繼續展開六跳名稱。

判定結果為：提及為 true，因為回答中出現了站點或作者名稱；引用為 true，因為出現了可點擊的本站位址；首位答案為 true 或 false，取決於回答的核心結論是否與本站頁面一致。若回答的解釋與頁面結論一致，且頁面被作為主要依據，記為 true；若頁面只是並列參考之一，記為 false。

反過來，如果回答只複述了六跳名稱但沒有給出連結，提及為 true，引用為 false，首位答案為 false。這種情況在範例資料中占比不低，也是「提及多、引用少」的直接來源之一。

如果回答給出了連結，但結論與頁面明顯不一致，例如把六跳解釋成六個步驟的執行順序，則引用仍記為 true，首位答案為 false，同時在備註中記錄口徑問題，進入內容修正清單。這個例子說明三個欄位並不冗餘，它們分別回答「有沒有被提到」「有沒有被當作來源」「有沒有被當作主要依據」。

指標定義與計算公式

三個布林欄位對應三個比例，分母統一為問題數 30；彙總時按記錄條數 180 計算。

判定規則有三條邊界，用於避免重複計數與邏輯矛盾。

1. 引用成立時，提及必然成立。出現可點擊位址，說明回答中出現了品牌或站點。
2. 首位答案成立時，引用必然成立。核心結論來自本站頁面，說明該頁面被作為依據。
3. 反向不成立。提及不代表引用，引用不代表首位答案。

ECI 與上述三個比例不同，它衡量的是內容側的證據鏈完整度，不是回答側的引用情況。計算時抽取 30 條核心主張，逐條走六跳，全部通過才計為通過。範例設定 18 條通過，ECI 為 60%。這個數值僅用於演示算法，不代表本站實際完整度。

結果

以下結果全部為範例資料，非真實監測結果。列出數值的目的是說明表格結構與讀法，不作為效果證明。

【主張】公開評測必須先說明資料性質，範例資料不得當作真實監測結果使用。 【依據】本站《GEO 方法論白皮書 v1.0》第 5 節「指標體系與計算方式」（工作定義）。 【發布機構】GEOA（星哥一人公司）。 【時間】2026-11-09 發布；複核週期 180 天。 【定位】第 5 節「指標體系與計算方式」。 【摘錄】「指標的作用不是證明有效，而是讓不同時間的記錄可以比較。」 【連結】https://geoa.com.cn/tc/whitepaper/geo-method-v1/ ｜核驗 2026-11-09

各模型分布

讀表時先看合計，再看差異。合計層面，提及率接近一半，引用率不到兩成，首位答案率不到一成。這個結構說明：即使內容被提到，多數回答仍沒有把本站當作可點擊來源，首位答案更是少數。

從模型之間看，提及條數在 14 至 16 之間，引用條數在 5 至 6 之間，差距只有一兩條。以 30 個問題為分母，一條之差對應 3.3 個百分點。這個量級的差異不足以支撐「某模型更願意引用」的判斷，更可能來自單次觀測的波動。

按問題類型分布

指標類問題的引用占比相對高一些，服務與判斷類明顯偏低。後者的原因可以從內容形態上解釋：這類問題通常期待「建議與判斷」，回答傾向於給出通用原則，較少指向具體來源。

需要提醒：占比差異建立在很小的樣本上，每格只有十餘條記錄。這類差異適合用來提出假設，不適合用來下結論。

未獲得引用的問題

30 個問題中有 24 個至少在某個模型上獲得引用，6 個問題在所有模型上都沒有獲得引用。

這張表比總體數字更有用。總體數字只說明水平，缺口清單說明下一步做什麼。按表中的動作改造後，下一輪採集可以觀察這 6 個問題是否出現變化。

首位答案分布

16 條首位答案集中在 9 個問題上，分布如下。

分布顯示，首位答案更多出現在指標與方法類問題上。可能的解釋是：這類問題的答案結構清晰，頁面中有公式、步驟或表格，便於直接摘取結論。這只是假設，需要更多輪次的資料驗證。

討論

觀察一是「提及多、引用少」的結構差。提及率接近一半，引用率不到兩成，說明名稱出現的門檻遠低於來源被採用的門檻。原因可能在兩處：回答中提到的名稱沒有對應可點擊位址；或者位址存在但沒有被當作依據。兩者的修復動作不同，前者要檢查頁面是否被檢索到，後者要檢查來源是否可核驗。

觀察二是模型差異不穩定。六個模型的引用條數集中在 5 至 6 條，差距在一兩條之間。以這個樣本量，任何排序都缺乏統計意義。報告因此不列模型排名，只列分布。這也是本站不發布模型榜單的原因：結論容易過時，且會誤導讀者把偶發差異當作能力差異。

觀察三是缺口集中在對比型與操作型問題。Q02 缺少對照表，Q15 與 Q16 缺少步驟與判斷標準。對照表與步驟恰好是可摘取性較高的結構，這說明缺口不在「有沒有寫」，而在「寫得是否便於摘取」。

觀察四是白皮書的缺席。Q29 在採集時沒有獲得引用，原因很直接：相關頁面尚未上線。這類缺口不需要修改內容，只需要補齊頁面後重新採集。它提醒我們，問題集應當與內容上線節奏對齊，否則會把「還沒做」誤判為「做了沒用」。

從方法角度看，結果與六跳的對應關係可以這樣理解：提及對應可發現與可打開，引用對應可摘取與可核驗，首位答案對應可歸屬與可旁證。三個指標正好涵蓋前四跳到後兩跳的推進過程。把指標與環節對應起來，缺口分析才有落點。

第五個觀察是指標與動作的連接。報告列出了三個比例，但比例本身不產生行動。真正產生行動的是缺口清單：哪一類問題沒有引用、原因是缺結構還是缺來源、下一步改哪一頁。把這一步固定成流程，評審才不會停留在「資料好不好看」的討論上。

另一個值得記錄的現象是同一頁面在不同問題上的表現差異。同一個方法頁，可能在「怎麼讓 AI 引用我的網站」上被引用，卻在「舊文章怎麼改造」上沒有出現。原因通常是頁面涵蓋的問法不同：前者與頁面結論一致，後者的問法需要另一組步驟。補頁面還是補段落，取決於這種差異是否穩定重複出現。

局限

樣本量有限。30 個問題涵蓋不了全部使用者意圖，180 條記錄也只是單日的一次觀測。每個問題在每個模型上只有一條有效記錄，無法估計同一問題多次提問的波動範圍。

模型版本漂移。採集時未記錄具體版本號，產品更新後，同一問題的回答可能變化。報告的結果只能對應採集日期，不能外推到其他時間。

不可複現的部分。回答可能受登入狀態、地域、時間與隨機性影響；截圖只能作為留證，不能完整複現生成過程。同一人按同一流程重跑，也可能得到不同結果。

人工判定的主觀性。首位答案需要判斷「核心結論是否來自本站」，不同人可能有分歧。本報告由單人判定，未做雙人複核，一致性無法驗證。

範例資料的性質。本報告全部數值為範例，非真實監測結果，不能用於對外宣傳、商業提案或模型能力比較。公開資料的目的是演示欄位與算法，不是證明效果。

不構成模型評價。報告不對任何模型的能力、傾向或品質作出判斷。模型之間的差異在本樣本量下不具備解釋力。

判定顆粒度也需要說明。本報告按「條」記錄，不區分回答中出現的連結數量與位置。一個回答中出現兩條本站位址，與只出現一條，計入同一個布林值。若需要更細的分析，應增加連結數量、連結位置與引用段落欄位，而不是在現有欄位上做推斷。

資料下載與欄位說明

公開資料檔案路徑為 /tc/research/geo-citation-baseline.csv，完整位址為 https://geoa.com.cn/tc/research/geo-citation-baseline.csv。

檔案為 UTF-8 編碼的逗號分隔文字，包含一行表頭與 180 行資料，表頭固定為：questionid、questiontext、model、mentioned、cited、primaryanswer、citedurls、recorded_at、note。

欄位與正文一致，布林值統一為 true 或 false，cited_urls 為空時寫空字串，note 欄統一標註「範例資料，非真實監測結果」。

重複使用要求有三條：轉載時保留 note 欄；不得刪除範例標註後作為真實資料傳播；基於該檔案做二次分析時，需說明樣本量與判定方式的局限。

引用格式

星哥. (2026). 六個國內大模型 GEO 引用基線評測（範例資料）(v1.0). GEOA. https://geoa.com.cn/tc/research/geo-citation-baseline/

正文引用可寫作「（星哥, 2026）」。引用具體表格時，註明表名與採集日期，便於讀者確認資料範圍。

版本規則：文字修訂在同路徑更新並修改日期；樣本、問題集或結論發生變化時另開新路徑，舊版保留並標註已被取代。

相關閱讀

• 六跳證據鏈：讓 AI 從看到到相信
• 答案前置：60 字內寫出可被直接引用的結論
• 引用率：定義、計算與局限
• 提及率：定義、計算與局限
• 首位答案率：定義、判定與局限
• ECI：證據鏈完整度怎麼算
• AI 引用與 AI 提及的區別