同一个问题问三家 AI：豆包、DeepSeek、通义千问到底在引用谁？ - 九宸智能

先说结论：同一个问题，豆包、DeepSeek、通义千问给出的参考来源几乎不重合。企业想让自己出现在 AI 的回答里，只优化官网是不够的——在我们的实测里，官网只对其中一家起作用。

下面是具体怎么测的、测出了什么，以及我们据此做的调整。

怎么测的

2026 年 9 月，我们整理了 45 道问题，分四类：

• 品牌类：比如"九宸智能是做什么的"
• 地域 + 品类类：比如"杭州有哪些做 AI 数字员工的公司"
• 场景类：比如 AI 客服、知识库问答、质检巡检怎么落地
• 决策类：价格、选型指标、部署周期、等保合规

然后分别在豆包、DeepSeek、通义千问的网页版（开启联网）里逐题提问，记录三件事：回答里有没有提到我们、排在第几位、回答附带了哪些参考链接。三家各 45 题，全部成功采集。

需要说明的是：每道题只问了一次，大模型的回答本身有波动，所以下面的数字适合看趋势，不适合当精确排名。

结果一：三家"引用资料"的习惯差别很大

DeepSeek 联网时每道题都会给出处；千问不到一半。这意味着同样的内容，在不同模型里"被看见"的概率本来就不一样。

结果二：它们引用的是完全不同的网站

把三家回答里的参考链接按站点汇总（数字是出现次数）：

几个很直观的规律：

• 豆包偏爱字节系内容，抖音图文和头条加起来 76 次，是它最主要的来源
• DeepSeek 最常引用知乎，35 次，远超其他站点
• 千问更看重百科和企业信息平台，工商数据和百度百科是它介绍一家公司的主要依据

结果三：官网只对豆包有效

我们的官网被豆包引用了 9 次，被 DeepSeek 和千问引用了 0 次。

这不是说 DeepSeek 和千问不认识我们——品牌类问题它们也能答上来，但用的材料全部来自第三方：工商登记信息、百科条目。于是它们描述我们时，说的是注册信息里的人数和营收，而不是我们实际在做的产品和案例。

一个意外发现：不联网时，AI 可能把你认成别人

我们顺带用 DeepSeek 的 API 版（不联网）问了同样的问题。结果它把"九宸智能"介绍成了上海一家做工业机器人的公司——和我们的实际情况完全对不上。

不联网的模型只能依赖训练时的记忆，名字相近的公司很容易被混在一起。这比"AI 不认识你"更麻烦：用户问到你时，拿到的是一份错误的介绍。能在短期内改善的，只有联网搜索那部分——也就是上面那些被引用的站点上，有没有关于你的准确内容。

这对企业意味着什么

基于这次实测，我们给自己定了几条做法，也分享出来：

1. 先测，再做。 不同行业、不同问题，AI 的引用习惯可能差别很大。花一天把自己关心的问题在几家 AI 上问一遍，比凭感觉铺内容有效得多。
2. 按目标模型选平台。 想被 DeepSeek 引用，知乎是绕不开的；想被豆包引用，要有抖音图文和头条内容；千问则更看重百科和企业信息平台。
3. 内容形态要和平台匹配。 同一篇观点文章，我们发在知乎顺利通过，发在一家技术社区却被以"技术无关内容"驳回。技术社区要写真正的技术实践，不能一稿多投。
4. 把基础信息补准确。 百科词条、企业信息平台上的简介，是 DeepSeek 和千问介绍一家公司时的主要依据。这部分信息不完整，AI 说的就是不完整的你。
5. 定期复测。 我们用同一批问题在豆包上做了前后对比：同样 11 道题，官网补充内容前能带出我们的有 2 道，补充后变成 5 道，新增的都是"地域 + 品类"类问题。变化真实存在，但单次采样有波动，需要持续观察。

写在最后

我们是杭州九宸智能，做 AI 数字员工和企业大模型私有化落地。做这次测试，最初只是想知道：客户在 AI 里问到我们所在的领域时，看到的是什么。结果比预想的复杂，也更有意思。

测试方法和问题分类如果对你有用，欢迎交流。