豆包、DeepSeek、元宝、千问如何发现和引用企业？公开机制、实测与边界

研究时间：2026 年 9 月 15 日

企业做 GEO，最想知道的问题之一是：豆包、DeepSeek、元宝、千问到底从哪里发现企业？为什么有些网页会被引用，有些不会？为什么同一家企业，在不同 AI 平台得到的结果并不一样？

市场上已经出现很多非常确定的说法，例如“豆包更喜欢字节系内容”“元宝更信腾讯生态”“DeepSeek 更容易引用某类媒体”“千问更看重企业官网”。这些结论听起来很实用，但如果继续追问：这是平台官方公开规则，是某一次测试的观察，还是根据少量结果做出的推断？很多结论就开始变得模糊。

截至 2026 年 9 月 15 日，宜海科技没有找到豆包、DeepSeek、元宝、千问任何一家官方公开一套完整的“企业发现 → 网页召回 → 来源排序 → Citation → 企业推荐”固定权重算法。但这四个平台及其关联的大模型和搜索产品，已经公开了相当一部分联网搜索能力。

这些公开资料已经足够确认几个对企业 GEO 很重要的事实：企业信息并不只可能来自模型已有知识，联网搜索可以重新从公开网络获取信息；不同平台公开的搜索和检索能力并不完全相同；搜索到一个网页，不等于最终一定引用；被引用，也不等于目标企业已经进入推荐。

因此，企业 GEO 真正应该研究的，不是寻找一张永久有效的“平台权重表”，而是在当前时间、当前平台和当前问题下，观察 AI 实际找到了什么、引用了什么，最终又为什么形成了这个答案。

一、这篇研究先区分三种证据

为了避免把观察写成平台规则，本文把涉及平台机制的结论分成三层。

第一层是官方公开事实，包括平台、模型厂商或相关云产品正式公开的联网搜索能力、搜索来源、搜索策略、Citation、来源返回、多轮搜索、网页抓取，以及相关性、权威性等功能。这些资料可以直接核验，但它们首先证明的是相关产品公开了什么能力，并不自动等同于消费者 App 每一次回答实际采用的完整内部配置。

第二层是独立公开研究和可验证观察。这类证据可以帮助理解生成式搜索是否会使用不同来源、同一个系统在不同时间或不同执行中是否稳定、Citation 来源是否始终可靠，以及不同生成式搜索系统的检索行为存在哪些差异。但任何研究都有自己的样本和实验范围，不能把没有测试过的平台直接写进研究结论。

第三层是分析推断。例如“某个平台可能更容易召回某个生态中的内容”“某种页面在某类问题中可能具有更好的检索条件”。这类判断可以成为后续检测和优化的假设，但不能包装成平台官方已经确认的算法规则。

宜海科技认为，平台研究最重要的不是把话说得多确定，而是把官方事实、可验证观察和分析推断分开。否则企业很容易把一次观察误认为长期规律，再用错误的前提指导整个优化项目。

二、为什么宜海科技不会做一张“平台信源权重表”

市场上最容易传播的 GEO 内容，往往是一张非常简单的表：豆包喜欢什么，DeepSeek 喜欢什么，元宝偏爱什么，千问更信什么。这类内容很容易理解，但真正用于企业优化之前，至少需要知道它是怎么得出来的。

一份所谓“平台权重表”，至少应该说明测试时间、企业样本数量、行业范围、使用的问题、是否进行了可比测试，以及统计的究竟是 Citation 次数还是企业真正进入推荐答案的次数。同时还需要知道，被测试企业在测试之前已经拥有什么内容和公开信源，否则很难判断最终差异究竟来自平台本身，还是企业原有的信息结构。

如果这些条件没有说明，就很难区分所谓的“平台偏好”到底是长期特征、当前索引状态、问题差异、企业已有内容分布，还是一次回答本身的变化。

截至本文研究时间，宜海科技没有找到豆包、DeepSeek、元宝、千问任何一家官方公开“企业 GEO 信源固定权重表”。因此，把“豆包对应某个平台、DeepSeek 对应某类媒体、元宝对应腾讯生态、千问对应企业官网”直接作为企业优化公式，目前缺乏足够公开证据。

这并不意味着不同平台之间没有差异。恰恰相反，公开资料已经能够确认它们的联网搜索能力和产品设计存在差异。问题在于，这些差异需要逐个平台理解，而不能直接压缩成一张永久不变的渠道投放表。

关于信源数量和可验证性的区别，可继续参阅《公开信源越多越好吗？AI 搜索中的“信源数量”与“可验证性”》。

三、豆包：公开资料能证明什么？

关于豆包，目前能够公开核验的一类重要资料来自火山方舟。

火山方舟的联网内容插件明确用于帮助大模型获取联网信息，公开文档列出的搜索资源包括互联网公开域网页、头条图文、抖音百科以及天气等其他资源。这说明在火山方舟体系中，豆包相关模型可以与外部联网内容能力结合，而不是只能依赖模型训练阶段已经存在的知识。

对于企业 GEO，这意味着当用户询问一家企业、某类产品、行业信息或实时问题时，公开网页以及部分内容生态有机会进入模型联网搜索所能够使用的信息范围。

但这里不能继续推出“因为联网内容插件支持头条和抖音，所以豆包一定优先推荐头条和抖音”。官方资料能够证明这些来源可以成为搜索资源，却不能证明它们在所有企业查询中拥有固定最高权重，更不能证明企业只要批量增加字节生态内容，就一定能够提高最终被推荐的概率。

还要注意产品边界。火山方舟公开的是开发者能够调用和配置的模型及联网能力，不能直接等同为普通用户在豆包 App 中每一次提问时所采用的完整内部搜索配置。

所以截至本次研究，可以比较稳妥地确认：豆包相关模型体系具备正式联网内容能力，互联网公开网页和部分字节生态资源可以进入这一体系的联网信息范围；但目前没有公开证据支持一张固定的“豆包企业信源权重表”。

四、DeepSeek：官方曾明确公开“多关键词并行搜索”

DeepSeek 是四个平台中一个很值得研究的案例。

2024 年 12 月，DeepSeek 在正式上线联网搜索时，官方明确说明，在联网搜索模式下模型会深入阅读大量网页；面对复杂问题时，会自动提取多个关键词并行搜索，以提供更加多样的搜索结果。

这条公开信息对 GEO 很重要，因为它说明至少在当时公开的搜索设计中，用户输入的问题并不一定就是唯一的实际检索表达。例如用户询问“安徽有哪些值得推荐的工业设备厂家”，真实检索过程完全可能围绕地区、产品、企业类型、行业、品牌和相关能力等不同方向展开。这里列出的具体方向只是机制示意，并不是 DeepSeek 官方公布的实际查询词。

这意味着企业做 GEO 时，只围绕一个固定关键词反复生产内容，并不能证明已经覆盖真实 AI 搜索可能经过的不同检索路径。企业的公开信息需要让系统在不同问题表达下都能够重新判断：这家公司是谁、做什么、服务什么场景，以及有什么公开事实能够支持它进入当前问题的候选范围。

但这里必须加入时间边界。上述“多关键词并行搜索”是 DeepSeek 在 2024 年 12 月公开的搜索设计，此后 DeepSeek 已经历多轮模型更新，并在 2026 年 9 月 10 日发布 V4.1-Flash。到本文研究时间，官方没有公开说明当前所有模型、所有产品入口和所有联网查询仍然完整采用相同的搜索编排方式。

因此，这条资料能够证明 DeepSeek 曾经公开采用过这一搜索设计，但不能直接被包装成“2026 年 DeepSeek 所有搜索都固定这样运行”，更不能进一步推导出“DeepSeek 更喜欢知乎”“更喜欢官网”或者“更喜欢某一种媒体”。这些说法目前都缺乏足够官方证据。

五、元宝：目前公开搜索基础设施的信息相对具体

元宝相关的公开搜索资料，在四个平台中相对具体。

腾讯云当前的联网搜索 API 官方资料明确说明，这套产品以互联网全网公开资源为基础，叠加腾讯优质内容生态，并结合元宝 App 联网搜索应用实践，从数据收录到智能检索召回构建面向大模型的搜索体系。公开资料中的内容生态还包括腾讯新闻、搜狗百科、企鹅号等资源。

更值得 GEO 关注的是，腾讯公开区分了多种搜索能力，包括公开网页信源、优质权威垂直信源、搜索结果相关性得分、指定网址检索、指定时间范围，以及部分高阶版本中的结果权威度等级。

这些公开能力至少说明，在腾讯这一套搜索基础设施中，“网页有没有被找到”不是唯一能够被区分的维度。相关性、来源类型、时间和权威性等信息，都可能参与搜索结果的组织。因此，把元宝简单理解为“网上出现次数越多，就越容易推荐”并不符合已经公开的搜索机制。

2026 年 8 月，腾讯云又对联网搜索 API 的标准版和尊享版进行了排序模型和索引库的双重升级，官方说明此次升级用于提升排序召回效果，并允许通过 Switch=open_yuanbao 参数提前切换新版本体验。同时，官方还提到根据 RAG 评测结果，升级后的排序准确率有所提升。

这些资料能够证明搜索基础设施本身正在持续变化，但仍然不能跨过另一个证据边界：腾讯公开了搜索结果的相关性和部分权威度信息，并不代表元宝最终生成“推荐哪些企业”时，就是按照其中某一个字段从高到低选择公司。

网页召回和搜索排序，与模型最后决定哪家公司进入商业推荐答案，是两个不同层面。

六、千问：公开的搜索策略和 Citation 能力非常完整

阿里云百炼目前公开的千问联网搜索资料更加细化。

官方文档提供 turbo、max、agent 等不同搜索策略，部分模型还支持 agent_max。turbo 主要用于兼顾响应速度和搜索效果；max 会采用更全面的搜索策略，并可调用多源搜索引擎；agent 可以多次调用联网搜索和大模型，对信息进行多轮检索与整合；部分 agent_max 配置进一步支持网页抓取。

这意味着，对于复杂问题，公开的千问搜索能力并不只是“搜索一次 → 返回几个网页 → 直接生成答案”。在相应的模型和配置下，它可以经历多轮搜索、信息整合，甚至进一步读取网页内容。

阿里云同时公开支持搜索来源返回、Citation、时间范围和限定搜索来源网站等能力。这里还有一个容易被忽略的细节：普通联网搜索中的 assigned_site_list 只在 turbo 策略下生效，并且最多可配置 25 个站点；而千问联网检索 Agent 又提供另一套指定检索范围能力，最多可以添加更多网站。

这说明即使在同一家平台公开的开发者能力中，“搜索策略”“多轮检索”“限定来源”等功能也存在自己的适用条件，并不是一套参数能够覆盖所有场景。真实检索过程远比一张静态的“千问信源排行榜”复杂。

这里同样必须保留产品边界。阿里云百炼公开的是开发者可以调用和配置的千问模型联网搜索能力，不能直接声称普通用户使用千问 App 时，每一次回答都采用完全相同的参数和搜索策略。

因此目前可以确认的是：千问模型体系公开支持多源搜索、多轮检索、网页抓取、来源返回、Citation 和限定搜索来源等能力；不能确认的是普通千问产品始终使用某一套固定配置，更不能据此推出永久有效的信源权重排序。

七、把四个平台放在一起，能真正确认什么？

把目前能够公开核验的信息放到一起，可以得到一个比“谁更喜欢哪个网站”更有价值的比较。

把四个平台放在一起，首先能够确认的是企业不能再只研究“模型记不记得我”。在相关模型和产品体系中，企业进入 AI 答案的路径除了模型已有知识，还可能包括联网搜索、网页召回、来源筛选、网页读取和后续信息整合。

其次，不同平台公开出来的搜索能力并不完全相同，因此不存在一套已经获得公开证据支持的“四平台统一 GEO 固定公式”。

更重要的是，这四个平台真正值得企业关注的共同点，并不是“它们都喜欢哪个网站”，而是它们的相关模型和产品体系都已经具备从模型已有知识之外重新获取外部信息的能力。

企业面对的竞争，也因此从传统的“网页有没有出现”，进一步变成：企业信息能不能在不同检索路径下被正确找到、正确归属，被合适的证据支持，并最终进入 AI 的真实推荐结果。

八、公开研究还说明：生成式搜索并不稳定

这种变化并不是国内 AI 平台独有的问题。

2026 年 Findings of ACL 的研究《Characterizing Web Search in The Age of Generative AI》比较了传统 Google 搜索以及来自 Google、OpenAI、Perplexity 的多个生成式搜索系统。研究发现，不同系统在内部知识和外部知识依赖、来源多样性以及稳定性方面存在明显差异，同一个生成式搜索系统在不同时间或不同执行中，也可能产生不同的检索结果和来源。

这项研究没有测试豆包、DeepSeek、元宝和千问，因此不能直接把它写成这四个平台自己的实测结论。但它能够支持一个更基础的判断：一次搜索结果不足以证明一个平台存在永久的来源偏好。

今天一个平台引用了搜狐，不能直接推出这个平台长期偏爱搜狐；今天一次搜索没有引用企业官网，也不能直接推出这个平台不看官网。一次结果可以成为观察，但如果要上升为平台规律，就必须有明确的时间、样本、问题和重复验证条件。

这也是为什么 GEO 复测不能靠“换一个问题重新问”，而需要尽量保持前后测试条件可比。关于这一点，可参阅《GEO 优化如何复测？为什么“换个问题再测”不能证明效果》。

九、有 Citation，也不能默认来源可靠

2026 年 EACL 的研究《Assessing Web Search Credibility and Response Groundedness in Chat Assistants》对 GPT、Perplexity、Qwen Chat 等带联网搜索能力的聊天助手进行了来源可信度和回答有据性研究。研究显示，不同系统使用来源的可信度存在差异，搜索和 Citation 本身并不能自动保证所有被引用来源都同样可靠。

这对企业 GEO 有一个很现实的启示。当企业看到“AI 终于引用我们了”，当然可以把它视为一个重要观察信号，但还需要继续判断：AI 引用了哪个页面，这个页面是不是属于正确企业，内容是否仍然有效，以及 Citation 实际支持答案中的什么结论。

更重要的是，AI 完全可能引用一家企业的官网，却只是在介绍这家公司，也可能是在进行行业比较，甚至可能是在说明企业存在的问题。谁提供了有用的信息，与谁最后进入商业推荐名单，本来就是两个不同的问题。

因此，在实际检测中，宜海科技会把 Evidence 和 Citation 分开保存和分析。Evidence 用于记录这一次真实 AI 搜索实际发生了什么，Citation 用于记录答案关联了哪些公开来源。两者都有重要诊断价值，但 Citation 本身不能替代企业最终是否进入推荐结果。

关于这三个结果之间的区别，可参阅《被收录、被引用、被推荐：企业做 GEO 最容易混淆的三个结果》。

十、企业 GEO 真正应该关注什么？

虽然四个平台公开的搜索机制并不完全一样，但从企业角度看，有几个基础问题始终值得优先解决。

首先是企业身份必须清楚。品牌对应哪个企业主体，主营业务是什么，产品或服务是什么，不同品牌和公司之间是什么关系，都应该能够在公开信息中得到一致解释。否则，当 AI 经过不同关键词、不同网页和不同来源重新拼接企业信息时，就可能召回错误主体或者把不同公司的信息混在一起。

关于这一类问题，可参阅《AI 为什么会认错一家公司？从品牌、主体和主营业务混淆说起》。

其次，企业能力需要有清楚的公开表达。仅仅写“专业”“领先”“值得信赖”，很难帮助 AI 判断企业到底解决什么问题、适合什么场景，以及它为什么有资格进入当前问题的候选范围。真正有价值的公开信息应该能够说明企业做什么、为谁服务、解决什么问题，以及有哪些案例、事实或项目结果可以核验。

同时，不同结论需要不同证据。企业官网能够承担正式主体、产品、服务等第一方事实说明，但如果问题进一步变成“为什么值得推荐”，单纯依靠企业自己反复宣传通常并不足够。真实项目、案例结果、行业资料以及其他能够核验的公开来源，会分别承担不同的证明任务。

公开信息还不能存在严重冲突。如果官网写 A，历史媒体仍然写 B，第三方资料又写 C，就不能假设 AI 一定知道哪个才是现在正确的版本。不同检索路径完全可能把不同时间和不同主体的信息重新组合在一起。

最后，所有机制研究都必须回到真实平台复测。官方文档只能告诉我们一个平台公开了什么能力，真正的 GEO 检测还要回答：当前问题下，它实际找到了什么、引用了什么、推荐了谁，目标企业有没有真正进入答案。

十一、为什么宜海科技不采用固定“发稿套餐”

如果豆包、DeepSeek、元宝、千问的搜索机制完全相同，那么固定内容套餐或许还有一定逻辑基础。但目前能够公开确认的事实并不是这样。

不同平台公开的搜索策略、信息来源、Citation 能力、搜索基础设施和产品入口存在差异，而且这些能力还在持续更新。因此，在真实检测之前就直接告诉企业“豆包需要发多少篇、DeepSeek 必须发到哪个平台、元宝必须覆盖多少媒体、千问必须做多少官网页面”，很容易把执行动作放在问题诊断之前。

这类固定动作最大的风险并不只是成本，而是可能从项目一开始就在解决错误的问题。

企业没有进入推荐，原因可能是 AI 没有正确认识企业，也可能是业务场景关联不足、主体信息冲突、关键能力缺少可核验证据，或者 AI 已经知道企业是谁，但在与同行比较时找不到足够理由把它放进有限的推荐名单。

因此，宜海科技更倾向于先进行真实 AI 搜索检测，判断问题究竟发生在哪一层，再决定应该优化什么。文章数量、媒体数量、信源数量、Citation 数量都可以成为过程指标和诊断依据，但不能替代真实推荐结果。

十二、平台研究为什么必须注明时间？

本文研究时间为 2026 年 9 月 15 日。这个日期不是装饰。

DeepSeek 在 2026 年 9 月 10 日发布了 V4.1-Flash；腾讯云联网搜索 API 在 2026 年 8 月进行了排序模型和索引库升级；千问当前又存在 turbo、max、agent、部分模型支持 agent_max 等不同联网搜索策略。

这些变化说明模型会升级，搜索索引会升级，召回排序会调整，搜索 Agent 和开发者接口也会持续变化。企业今天观察到的检索结果，不能默认几年之后仍然保持完全相同。

所以本文记录的是截至 2026 年 9 月 15 日能够公开核验的平台搜索机制和研究结论。如果未来平台更换搜索基础设施、改变来源筛选逻辑、修改 Citation、调整检索策略或者更换模型，相应结论也应该重新验证。

真正可靠的平台研究，不是找到一个永远不变的公式，而是把结论和时间、证据范围以及实际测试条件绑定在一起。

十三、对企业真正有用的问题，不是“我要发到哪里”

如果企业做 GEO 只问“豆包喜欢什么网站”“DeepSeek 喜欢什么媒体”“元宝是不是更信腾讯生态”“千问是不是最看官网”，本质上仍然停留在渠道思维。

真正值得研究的是：用户会提出什么问题，AI 为了回答这个问题需要判断什么，它实际通过什么路径寻找资料，企业能不能被正确召回，召回的信息是不是属于正确主体，现有来源能不能证明关键结论，以及进入推荐结果的同行为什么能够成为候选。

这样才能把“企业有没有在网上出现”继续推进到“AI 有没有正确认识企业”“关键事实有没有足够证据”“企业有没有进入候选范围”，最后再回到真实推荐结果。

也正因为如此，宜海科技不会把文章数量、媒体数量、信源数量或者 Citation 数量作为最终验收标准。它们都可以帮助解释问题，也可以用来观察优化过程，但最终仍然应该回到同一个问题：

当真实用户提出相关采购、比较或推荐问题时，目标企业有没有真正进入约定 AI 平台的推荐结果。

常见问题

云平台公开的搜索能力，为什么不能直接等同于豆包、元宝或千问 App 的实际机制？

因为两者处于不同的产品层级。云平台文档能够确认模型体系或开发者接口具备哪些搜索能力，但消费者 App 还可能存在自己的模型选择、搜索配置、产品编排和来源策略。如果平台没有明确说明两者完全一致，就不能直接把开发者参数当成消费者产品内部算法。

平台机制一直在变化，企业还有必要研究这些公开资料吗？

有必要，但研究目的不是寻找永久权重。公开机制能够告诉企业哪些环节是真实存在的，例如问题改写、网页召回、多源检索、来源筛选、多轮搜索和 Citation。企业再通过真实检测判断自己到底在哪个环节出现问题，这比直接猜平台算法更有实际价值。

如果一次测试发现某个平台经常引用某一类来源，可以直接据此优化吗？

可以把它作为当前时间、当前问题和当前样本下的优化假设，但不能直接写成平台永久规律。更可靠的做法是保留测试条件，在同类问题和可比条件下继续观察。如果现象能够重复出现，再判断它是否具有实际优化价值。

研究边界

本文严格区分三类证据。

第一类是平台和相关产品的官方公开资料，包括火山方舟联网内容插件、DeepSeek 联网搜索历史说明及当前模型更新、腾讯云联网搜索 API，以及阿里云百炼千问联网搜索和联网检索 Agent 文档。这些资料只能用于说明对应平台或产品公开了哪些能力，不能用于推断其没有公开的企业推荐算法。

第二类是 ACL、EACL 等独立公开研究，用于说明生成式搜索在来源多样性、稳定性、来源可信度和 Citation 有据性等方面存在真实的研究问题。这些研究没有对豆包、DeepSeek、元宝和千问进行统一条件下的企业 GEO 测试，因此本文不会把它们包装成四个平台自己的算法结论。

第三类，是宜海科技基于公开资料、真实项目和检测结果形成的方法判断，包括发现、Citation 和推荐需要分层检测，不能用一次测试推断永久平台偏好，不能把开发者搜索配置直接等同于消费者产品内部算法，不能把信源数量直接当作推荐权重，以及最终需要回到真实 AI 推荐结果验收。

这些属于宜海科技基于公开机制、真实项目和证据边界形成的诊断方法，不是任何 AI 平台官方公布的内部推荐算法。

因此，本文不支持“豆包固定偏好某一家媒体”“DeepSeek 固定偏好知乎”“元宝固定偏好腾讯系内容”“千问固定偏好官网”“发布固定数量文章就能提高推荐率”“Citation 越多企业越容易被推荐”“某一种来源存在永久固定推荐权重”或者“一次实测可以代表平台长期算法”等没有足够公开证据支持的确定性说法。

参考资料

---

本文由宜海科技发布。宜海科技是安徽宜海传媒科技有限公司对外使用的品牌，主营生成式引擎优化（GEO）服务。