搜不搜、怎么搜,模型自己定:企业要接住的两处变化
两天内发生的两件事
先看事实。11月13日,DeepSeek 在 API 更新日志中宣布开放「全家桶应用 API」:联网搜索、深度思考搜索、文件输入、链接阅读、模型安全校验五项能力,整合进 Messages、Responses 和 Chat Completions 三类接口,由 deepseek-flash(当前对应 V4.1-Flash-1017 检查点)承载;搜索、网页抓取、OCR、语音识别、语音合成另以独立接口开放。官方同时开源了一个轻量聊天应用 Demo,支持联网搜索、链接阅读、附件与语音输入,可导入 DeepSeek 应用内的历史对话。价格方面,据官方定价页,搜索与网页抓取均为每千次成功调用 5 元(海外站 0.75 美元),OCR 为每千页 0.225 美元。这是 10 月 17 日开放独立 Search 和 Fetch API 之后的又一次放开——那次是把检索层单独拿出来卖,这次是把整个应用的消费方式开放出来。
谷歌这边,11月12日发布 Gemini 4 Hydrogen,接替 Gemini 3.8 Flash,发布当天即在 Gemini 应用、AI Studio、API 全量上线,搜索 AI Mode 的默认模型同步切换,AI Overviews 中最难的一批问题也交给它处理;11月14日谷歌宣布将其推向全部搜索用户,并称之为迄今对搜索最大的一次模型升级。
变化一:检索时机由模型判断
DeepSeek 这次开放的联网搜索工具 deepseek_web_search,官方描述是「模型可根据用户的问题自动发起网页或图片搜索」——注意主语,是模型,不是应用开发者,也不是一个固定开关。在非思考模式下,模型按需触发搜索并在回答中附上引用来源;开启思考模式后,模型可以在多步推理过程中自主联网搜索、阅读链接,再结合检索结果继续分析。
这对企业的含义比表面看起来更重。同一个问题,不再必然触发联网检索:如果模型判断自己的参数记忆足以回答,这轮回答里就没有检索,也就没有引用位。品牌被召回的机会,取决于模型对意图的判断,而不只取决于页面质量。页面写得再好,这轮回答根本没去搜,候选集里就没有你。
这提醒企业把 GEO 的目标拆开看:让页面「能被检索到」是一层,让品牌「能被模型记得」是另一层。前一层靠结构化与贴合问法,见效相对快;后一层靠长期真实曝光与第三方提及积累,慢得多。两层不能混在一起考核,否则很容易出现「投放了但 AI 还是不提我」的困惑。
监测基线要跟着模型版本走
还有一层容易忽略的连带影响:检索时机由模型判断,意味着引用行为的基线挂在具体模型版本上。模型一升级,触不触发检索、触发后引谁,都可能整体变化。企业在做可见度监测时,记录里最好同时留下提问时间与当时的模型版本,出现明显波动先核对版本再下结论,避免把一次模型升级误读成自己内容的退步。
变化二:一个问题被拆成更多子查询
Hydrogen 在搜索侧的三处变化与可见度直接相关。其一是更强的意图理解,能消化包含多个子问题的提问、难以辨认的拼写错误和高度具体的需求;其二是高级推理改进了查询拓展,把单个提问拆成多个子查询,同时查询相关子主题;其三是 AI Mode 中出现更多图片、结构化回答、对比表格等可视化呈现,并覆盖更广的相关链接。
对品牌方来说,候选集变大了,但每个子查询的竞争也更细。一个「哪家供应商合适」的大问题,会被拆成价格、地域、行业适配、售后等多个具体子问题分别检索;只押注单一核心词的内容包,覆盖不住这些长尾问法。这与此前多项研究观察到的查询扇出趋势是同一个方向:引擎的检索次数在增加,单次检索的问法在变细。
内容要按子问题切分
落到操作层面,企业可以按子问题重新切分自己的内容:把一个服务品类拆成适用场景、价格构成、交付周期、常见顾虑等具体问句,每个问句对应一段可独立成立的完整表述。举例说,「GEO 服务怎么做」这种大问题不如拆成「GEO 服务一般包含哪些交付物」「效果多久能看出来」「监测数据怎么核对」这样的具体问句,逐一给出明确回答。检索是按子问题发起的,引用也往往落在恰好回答那个子问题的段落上,而不是落在通篇最漂亮的总述上。
变化三:入口扩散,信源层更值得统一投入
DeepSeek 开放全家桶 API 后,第三方开发者可以用同一套参数在自己产品里复刻联网问答体验,官方开源的 Demo 更是把门槛降到接近于零。这意味着 AI 问答入口会从几个大平台,扩散到大量垂直应用里:教育、客服、行业工具,都可能内置同一个检索引擎。
对企业的启示是:入口在变多,底层引擎却趋于集中。同一个页面,可能被官方 App 抓一次、被某个第三方客服机器人抓一次、又被某个行业工具抓一次。这些入口的提问方式各不相同,但读取的都是同一份页面资产。页面侧的信源层建设——结构清晰、事实带出处、参数可抽取——是一次投入、多处受益的事,也是入口扩散趋势下少数不会贬值的建设。
机器可读性的现状并不乐观。GeoReady 在11月15日更新的就绪度基准显示,2900 多个已审计站点平均得分 60.5(满分 100)、中位数 64,60% 的站点发布了 llms.txt,78% 具备有效 JSON-LD。报告自述这是「主动送审站点的审计样本,不是全网普查」,分数不能外推为行业均值;但它指向的结构性问题值得注意——最大的缺口不在内容质量,而在机器可读性,而补齐这些恰是成本最低的动作。主动送审的站点尚且如此,没有做过任何面向 AI 检索整改的企业站,缺口只会更大。
企业侧可以怎么接
把意图清单建在问句上
先别急着改页面,先把问题想清楚。把客户真实会问的问句列成清单——按售前、售中、售后分段,按事实题、对比题、评价题分类——再对照检查:每一类问句,站内是否有一段直接、完整、可独立成立的回答。模型判断是否触发检索,靠的是意图与内容的匹配度;问句清单越贴近真实提问,这层匹配越可靠。
让关键事实可抽取
服务范围、价格构成、交付周期、资质信息,用清晰的 HTML 结构呈现,每条事实独立成句,避免埋在图片或大段叙事里。子查询越细,被抽取的单位就越小——不是「这个网站不错」,而是「这句话准确回答了那个子问题」。
给每条关键事实配出处
带出处的事实是多项已公开研究里持续有效的信号。官网上的数字注明统计口径与时间,第三方提及与媒体报道保持可核验。检索触发与否、子查询拆多细,这些是引擎侧的变化,企业控制不了;内容贴不贴意图、事实抽不抽得出来、出处可不可核验,这三件事仍在企业自己手里。
结语
检索时机交给模型、问题拆向子查询,方向是一致的:AI 搜索正在从「用户问什么就搜什么」,走向「模型判断该搜什么、该拆成几份搜」。入口会继续扩散,底层检索趋于集中。对企业而言,与其追逐每个入口,不如把信源层这一处做扎实——问句对齐意图、事实可抽取、出处可核验。这三件事都不依赖某一家引擎的某一次更新,改一次页面、理一遍事实就能落地,也是当前阶段投入产出比较确定的起点。入口怎么变、怎么拆,机会都留给机器读得懂的那部分内容。
常见问题
不需要针对 API 本身做改动。API 开放改变的是应用开发者的接入方式,官网侧要做的仍是既有方向:结构清晰、事实带出处、参数可抽取。入口变多、底层引擎集中,信源层一次投入多处受益。
不完全是。未触发检索时模型依靠参数记忆回答,被提及与否更多取决于品牌在模型记忆与第三方语料中的积累;触发检索时才进入页面候选集。两条线分别积累,不宜互相替代。
不是越多越好,是问法覆盖越细越好。按真实问句拆分内容,每个子问题对应一段完整回答;篇幅服务于问句覆盖,不追求总量。
引用行为基线可能重置。模型切换后引用偏好会变化,建议在切换后重新采样一轮,再与历史数据对比,避免拿旧基线判断新表现。
不能。该样本为主动送审站点,报告自述不能外推为全网均值。它的价值在于指出结构性缺口:机器可读性是普遍短板,且补齐成本低。
免责声明
本文为深圳八方网络原创内容,观点基于公开信息与项目实践整理,仅作行业观察与方法分享,不构成对任何具体项目优化结果的承诺,也不构成法律、财务或投资建议。
文中涉及的搜索引擎与 AI 平台规则、算法与展示形式可能随时调整,请以各平台官方公告为准;文中提及的第三方品牌与商标归其权利人所有,仅用于说明与比对。
转载请注明来源并保留原文链接(https://www.szbfw.cn/insights/model-decides-retrieval.html),不得删改标题与结论后二次发布。