Perplexity、ChatGPT Search、秘塔 AI 搜索横评：答案都像真的，证据却不是一回事

三款 AI 搜索面对同一个问题，都给出了结构完整、语气确定的答案。

第一款附上十几条链接，看起来资料最丰富；第二款把前因后果讲得最顺，几乎可以直接复制进报告；第三款则整理成一份层次清晰的中文研究简报。

但逐条点开引用后，问题出现了：

• 有的数字来自官方报告；
• 有的只是媒体转述；
• 有的来源确实权威，却没有直接支持答案中的结论；
• 还有的链接里，根本找不到 AI 所引用的那句话。

这正是 AI 搜索最容易被忽视的风险：它不一定没有答案，而是可能给出一个“非常像已经核实过”的答案。

本文选择 Perplexity、ChatGPT Search、秘塔 AI 搜索进行横向比较。三者分别代表引用驱动型搜索、通用模型融合搜索，以及中文搜索与报告生成。

我们不比谁先吐出答案，也不以文章长度论英雄，只追问三个问题：

1. 来源找得全不全？

2. 引用能不能支撑结论？

3. 遇到冲突时，它敢不敢说“暂时无法确认”？

AI 搜索没有全场景冠军。真正决定深度检索质量的，不是答案写得多像报告，而是证据能否追溯、事实能否复核，以及工具有没有把“事实”和“推断”分开。

先说测试方法：怎样避免“凭感觉选冠军”

AI 搜索评测很容易失真。

有人用免费版对比付费深度研究模式，有人让一款工具搜索中文、另一款搜索英文，还有人直接把“引用数量多”当成“答案可靠”。

为了尽量减少这些干扰，三款工具应使用相同提示词、相近时间窗口，并在新对话中完成任务。关闭或弱化历史上下文与个性化影响，不把打字速度、界面动画作为核心评价指标。

测试环境记录表

由于 AI 搜索产品会持续更新，版本、模式、耗时和引用数量必须与截图一起留档。如果没有原始记录，就不应该为了让评测显得“专业”而补上一组伪精确数字。

正式发布截图时，还应标注测试日期，并对账号信息打码。不要只展示表现最好的答案，至少保留一个成功案例和一个失败案例。

三类统一任务

本次横评围绕三种日常研究任务展开：

1. 来源检索题：寻找技术趋势背后的官方报告、统计数据和原始公告。

2. 事实核查题：核对包含数字、日期或公司表态的流行说法。

3. 综合研究题：基于多个来源形成结论，同时列出反例、争议和限制条件。

评分采用 100 分框架，但总分必须建立在人工核验记录之上，而不是编辑印象。

这里最容易误判的是“引用准确率”。

一条有效引用必须同时满足三个条件：

• 链接能够访问；
• 页面确实包含相关内容；
• 原文能够支持答案中的具体主张。

只满足“链接存在”，不能算有效引用。

第一轮：找得到来源，不等于找得到原始来源

来源检索题使用下面这组提示词：

请查找过去 12 个月内有关生成式 AI 对搜索流量或网站推荐流量影响的公开数据。优先提供平台官方报告、上市公司文件、研究机构原始报告，不要只引用媒体转述。请列出发布日期、样本范围、核心数据和原始链接。

这一轮考察的不是谁列出的链接多，而是谁更接近真正的“检索助手”。

Perplexity：信息地图建立得快，但要防止引用密度制造安全感

Perplexity 的优势很直观：答案与来源绑定紧密，读者可以快速打开引用，继续沿着线索向下查找。面对英文报告、公司博客和研究机构页面时，它通常更容易搭出一张初步的信息地图。

问题也恰恰藏在这里。

因此，使用 Perplexity 时不能只数角标，而要继续问：

• 哪一条是最早出处？
• 哪些来源相互独立？
• 是否存在官方报告或原始数据页面？
• 媒体中的数字能否在原文中找到？

它适合负责第一步：快速建立候选来源清单。但不应直接把答案中的每个角标视为完成核验。

ChatGPT Search：上下文整理更自然，但证据颗粒度可能偏粗

ChatGPT Search 更像一位会搜索的通用研究助理。

它不只列链接，还会主动解释资料之间的关系，适合把零散信息组织成一条可读的叙事。继续追问某项数据的背景、定义和影响时，对话衔接通常也更自然。

短板是：当回答从网页事实过渡到模型归纳时，边界未必总是足够醒目。

一个段落里可能同时包含：

• 来源明确写出的事实；
• 对多个来源的综合概括；
• 模型根据材料做出的推断。

如果整个段落只挂一条引用，读者很容易误以为三部分都来自原文。

更稳妥的做法是要求它按“主张—来源—原文证据—限制条件”重新输出，而不是满足于一篇读起来很顺的总结。

秘塔 AI 搜索：中文报告体验友好，仍需主动提升来源等级

秘塔的优势主要体现在中文阅读和报告结构上。对需要快速了解一个行业、整理国内网页资料的小白和内容创作者来说，它的进入门槛较低。

但中文互联网存在一个天然问题：同一条消息往往经过多轮转载，标题与数字还可能在传播过程中被简化。

如果答案大量引用资讯站、聚合页或媒体转述，就需要继续向上追溯：

• 公司是否发布过原始公告？
• 研究机构是否提供完整报告？
• 中文报道引用的是哪篇英文材料？
• 报道中的时间范围和样本条件是否被省略？

秘塔适合快速形成中文框架，但涉及关键数字时，仍应打开原始页面确认。

第一轮的小反转是：链接数量最多的答案，不一定拥有最完整的证据链。

第二轮：事实核查，最难的是识别“概念偷换”

第二道题故意选择了一条很容易被二手报道放大的说法：

请核查“某公司有超过一半的新代码由 AI 生成”这一说法。找到最早的公开出处，区分公司原话、媒体转述和后续解读，并说明这个比例的统计口径是否清楚。

这类说法的危险，不一定是数字完全虚构，而是统计口径在传播过程中发生了变化。

一个真实案例是，Google 母公司 Alphabet 在 2024 年第三季度业绩沟通中曾提到，Google 超过四分之一的新代码由 AI 生成，之后会由工程师审核和接受。

这句话至少包含三个不能丢失的条件：

1. 讨论的是 Google 内部的新代码；

2. AI 生成后仍需工程师审核和接受；

3. “生成”“建议被接受”和“最终代码占比”并不是天然等价的统计概念。

如果后续文章把它概括成“AI 已经独立写完大量代码”，甚至进一步放大为“超过一半”，原始表述就发生了实质变化。

在这类任务中，三款工具的差异不只是能否搜到相关报道，而是能否把信息拆成三层：

• 公司原话：原始公告、财报电话会或高管公开讲话；
• 媒体转述：报道如何概括这段话；
• 模型判断：现有证据是否足以支持待核查说法。

Perplexity 更方便沿引用追溯出处；ChatGPT Search 更擅长解释不同口径的差异；秘塔则更适合整理中文传播链路。

但三者都有可能犯同一个错误：找到一条“方向接近”的权威来源，就把更强的说法判定为真。

来源权威，不代表它支持你正在核查的那句话。

如果原始资料只支持“四分之一”，就不能用它证明“超过一半”。正确结论应是：现有来源只能支持较弱表述，更强说法暂时无法确认。

第三轮：报告写得长，不代表结论可靠

综合研究题要求三款工具完成更复杂的任务：

基于可验证来源，比较 AI 搜索与传统搜索在信息发现、事实核查和综合研究上的优势与局限。每条关键结论都要对应来源，并单独列出反例、争议点和目前无法确认的信息。

这一轮最能拉开差距，因为它同时考察检索、阅读、归纳和不确定性表达。

三款工具的场景结论

以下不是脱离原始记录的伪精确排名，而是基于产品工作方式得出的场景判断：

Perplexity 更像搜索台，ChatGPT Search 更像研究桌，秘塔更像中文资料整理台。

但真正可靠的研究结果，通常不能只靠其中一张桌子。

还需要测试一个关键动作：在报告生成后继续追问——

“请逐条列出每个结论对应的原始来源，并引用能够直接支持它的原文。无法直接支持的结论请删除或降级为推断。”

如果工具无法稳定回答，说明前面的流畅报告可能只是“材料组织得不错”，而不是证据链已经闭合。

不同用户应该怎么选

小白用户

优先考虑中文体验、答案结构和引用是否容易打开。

秘塔和 ChatGPT Search 更容易让人快速进入问题，但仍要养成点击原文的习惯。不要因为排版像报告，就默认内容已经完成核查。

内容创作者与职场用户

重点看引用可追溯性，以及资料能否继续整理。

可以先用 Perplexity 建立信息地图，再用 ChatGPT Search 对材料进行归纳。写入文章、汇报或商业方案前，关键数字必须回到原网页确认。

研究型用户

优先选择原始来源覆盖好、能够反复追问的工具，并建立人工核验表。

建议记录：

时效性任务

不要只看模型知识截止时间，要看它此刻搜索到了什么网页，以及网页本身的更新时间。

突发新闻、政策变化和公司公告，优先检查官网、监管文件与原始声明。AI 搜索可以帮助发现线索，但不能取代原始信息发布者。

我的五步工作流：把“答案机”变成研究流水线

比选出一个总冠军更实用的，是建立一套稳定流程。

1. 先定义问题

写明时间范围、地域、语言和合格来源标准。

2. 建立来源清单

用一款工具快速寻找官方公告、论文、财报和原始报告。

3. 交叉核查关键事实

用另一款工具核对数字、日期、统计口径和最早出处。

4. 打开原网页确认上下文

不只看搜索摘要，检查原文、脚注、样本范围和发布时间。

5. 用已验证材料整理结论

要求模型明确区分事实、推断、争议与未知项。

下面这份提示词可以直接复制：

研究问题：
时间范围：
地域与语言范围：

来源优先级：
1. 官方公告、监管文件、财报
2. 学术论文与研究机构原始报告
3. 有署名和编辑流程的专业媒体
4. 其他二手来源仅作为线索

输出要求：
每条关键事实附对应来源
区分原始事实、媒体转述和你的推断
如果来源互相冲突，分别列出
不要用同一条来源证明多个不相关结论
标明目前无法确认的信息
最后给出仍需人工核查的清单

二次核验时，可以要求模型输出结构化结果：

{
"claim": "待核查的说法",
"verdict": "支持/部分支持/不支持/无法确认",
"primary_source": "原始来源链接",
"published_at": "发布日期",
"evidence": "原文证据摘要",
"limitations": "统计口径、时间范围或样本限制"
}

如果不想在多个搜索和模型页面之间反复复制粘贴，还可以把流程做成自己的研究助手：先收集候选来源，再调用不同模型完成事实核对、结构化整理和最终写作。

在 api.884819.xyz 可以统一查看和调用相关模型接口，也可以直接使用平台内置的 AI 对话功能。平台注册只需用户名和密码，不需要邮箱验证；没有月租和订阅，按量付费，Deepseek、千问等国产模型完全免费。

建议先用同一批行业问题进行小规模测试，再根据准确性、速度和成本选择模型，不要只看某一次回答是否惊艳。

最后：别把“带链接”误认为“已核实”

如果只看答案完成度，三款工具都能交出一份漂亮作业。

但深度检索真正困难的部分，从来不是写出一段通顺文字，而是减少三类错误：

• 漏掉关键原始来源；
• 用不相关的链接支撑结论；
• 把模型推断包装成已确认事实。

产品排名会随着版本更新而变化，但有三条方法不会很快过时：来源优先、交叉验证、结论留痕。

AI 搜索真正节省的不是“思考时间”，而是寻找和整理线索的时间；验证证据的责任，暂时仍然在用户手里。

下一篇，我会把问题再往前推进一步：抽取 100 条带链接的 AI 搜索答案，逐条检查链接是否存在、原文是否真的支持结论，以及哪些提示词最容易诱发伪引用。

预告标题：

#AI搜索 #Perplexity #ChatGPTSearch #秘塔AI搜索 #事实核查 #AI教程 #8848AI #人工智能