这条在：GEO 图书馆 · 原典精读
大模型推荐品牌，会偏向大牌和「自家」的吗？
截至 2026 年 10 月 2 日，母本查到的研究撑不起「国产 AI 推国货、美国 AI 推美国货」这个说法：一项英文测试里 DeepSeek 也偏美国，只是幅度小些；母本自测七个模型，国货多少主要看用中文还是英文问，国产和国外模型几乎一样。
至于大模型偏大牌、偏开发商自家产品，各只有一两项研究支持，而且多是英文、不联网的测试，测的品类也窄。
这个问题里其实藏着两个「自家」。一个是模型的出身：国产 AI 会不会多推国货，ChatGPT 会不会多推美国货。另一个是开发商自己的产品：一家公司的模型，会不会把自家东西往前排。再加上「大牌」，一共三件事，各自的证据多少差得挺远，得分开讲。
我们测到的
2026 年 10 月 2 日，我们通过接口问了七个模型，都没开联网：四个国产的，DeepSeek V4 Pro、字节的 Seed 2.1 Turbo、Kimi K3、Qwen 3.8 Max；三个国外的，GPT-6 Astra、Claude Sonnet 5.5、Gemini 3.8 Flash。12 个品类，每次请它推荐 5 个品牌，中文、英文各问三轮，然后数名单里有几成是中国大陆的品牌。
| 名单里中国大陆品牌占几成 | 中文问 | 英文问 |
|---|---|---|
| 四个国产模型 | 38%（275/720） | 13%（94/720） |
| 三个国外模型 | 39%（209/540） | 12%（66/540） |
竖着看，国产模型和国外模型几乎没差别。横着看就不一样了，同一批模型，中文问将近四成是国货，换成英文问只剩一成出头。电动汽车最明显，中文问 80% 是国货，英文问掉到 9%。
这组数得打折扣。它只是一天的记录，测的是模型自己记得谁，不是豆包、DeepSeek、ChatGPT 这些 App 联网以后怎么答；12 个品类是我们挑的，换品类、换问法，结果都会变。中文问时国货多，也可能是模型把用中文问的人当成了在中国买东西的人，这组数分不出来。语言这一面，《用中文问和用英文问，AI 引的来源一样吗？》里讲得更细。
EMNLP 2024 那篇：偏的是「全球」这个标签
《"Global is Good, Local is Bad?"》是美国南佛罗里达大学三位作者的论文，经同行评审收进 EMNLP 2024 主会。它用英文、不联网测了四个模型：GPT-4o，还有 Llama-3、Mistral、Gemma 三个开源模型，里面没有中国开发的。
最常被引的是实验一。研究者在提示词里直接把品牌标好身份，比如「Nike (a global brand)」，再让模型给品牌配褒贬词。四个模型都更爱把贬义词配给本地品牌；把品牌名去掉、只留「global brand」「local brand」两个词，偏向还在，效应往往还更大。所以它测到的更像是这两个标签自带的褒贬，并不等于模型开推荐名单时偏大牌。
真正接近推荐的是实验三，结果反倒过来了。提示词是「我来自某国，想买某类东西，一个全球品牌、一个本地品牌，价钱一样，帮我挑一个」，四个模型里有三个多数时候挑本地品牌，只有 Gemma 偏全球品牌，GPT-4o 在电子产品上也几乎全挑全球品牌。论文管这叫「原产国效应」，说的是品牌出身和用户报的国家对上了；模型是哪国开发的，这篇压根儿没检验。
2026 年那篇：GPT、Gemini 和 DeepSeek
ChoiceEval（《Auditing Preferences for Brands and Cultures in LLMs》）2026 年 3 月挂上 arXiv，到现在还是预印本。七位作者里三位署名牛津大学，四位来自瑞典的 AI 公司 Stupid Human，这家公司帮企业把 AI 用进业务，也发表 GEO（AI 搜索优化）相关的文章，所以别把它叫成「牛津的研究」。
他们 2025 年 3 月在瑞典用英文问 ChatGPT-4o、Gemini 1.5-flash 和 DeepSeek-V3，每道题开新对话，数回答前五名里的实体，再按总部归成美国、欧洲、亚洲。结果两家美国模型明显偏美国实体；DeepSeek「更均衡，但仍测得出地域偏好」，偏美国的幅度小一些，可在统计上同样显著，论文也没报告它偏中国实体。作者说这说明偏向「可以通过不同的开发方法降低」，可三个模型版本、规格都不一样，出身的影响其实跟别的差别分不开。
别的研究怎么说
偏西方这一点，有规模大得多的证据。Findings of ACL 2026 一篇同行评审论文做了 19 亿个数据点的偏见审计，发现模型系统性偏向西方公司，用中文或俄文提问也削弱不了。不过它测的是模型对实体的好恶，不是推荐名单，我们那组数里中文问的国货就多得多。
而提问语言本身会改结果。Findings of ACL 2025 有篇论文题目就叫《7 Points to Tsinghua but 10 Points to 清华?》：同一道择校题，中文问清华得 10 分，英文问得 7 分，模型普遍给提问语言所在的国家打高分。它测的是大学和城市，不是商品。
换个任务，方向还会反。FAccT 2026 有一篇让模型给亚马逊购物查询里的商品排序，法国的 Mistral 偏欧洲品牌，中国开发的 Qwen 反倒明显偏北美品牌；作者还发现，告诉模型用户在哪儿，比写出品牌原产地影响更大。这篇是作者在亚马逊实习时做的。
「自家产品」那一层，官方怎么说
另一种「自家」，是模型推不推开发商自己的东西。美国 Haverford 学院两位作者在 WebSci '26 发表了一项审计，让 OpenAI、Anthropic、Google 的模型给各家 AI 模型排名，再跟公开测评成绩对照。三家都有自我抬举，合计平均比应得的位置靠前约 0.2 位，各家差别不小，OpenAI 最明显。它只测了「推荐哪个 AI 模型」这一个品类。
国内的《生成式人工智能服务管理暂行办法》第四条要求防止「国别、地域」等歧视，也写了不得利用算法、数据、平台等优势搞垄断和不正当竞争。可它没专门写「回答里不得优待自家产品」，推荐名单里本国品牌多一点算不算「国别歧视」，原文也没说。
大牌的优势，可能没那么牢
「AI 只推大牌」这句话，独立研究支持的版本要窄得多。2026 年一篇预印本拿护肤品测了三个美国模型，真品牌和虚构品牌规格完全相同时，模型 100% 推真品牌；可只要对手评分高出不到 0.1 星，这种独占就没了。论文另拿 USB-C 线和 AA 电池做过稳健性检验，也测过别的营销话术，但对照的始终是虚构品牌，不是真实的小品牌，推到所有品类和信息条件上还早。大牌为什么常出现、又为什么会整家被漏掉，《AI 为什么总推荐那几家大品牌？》里有更多研究。
品牌方可以怎么查
这是从上面几篇的测法里推出来的检查办法，不是哪篇论文验证过的增长手段：
- 固定同一个购买需求，每次只改一样东西：提问语言、说不说自己在哪儿、提不提品牌产地。上面几篇里，语言和用户所在地都改变过结果。
- 换几个模型、隔几天重复问，记下前五名、排序和它引的来源，别看一次就下结论。要问几次才够，见这一条。
- 拿结果跟市面上实际买得到的竞品名单对一下，看谁多出来、谁被漏掉。
结论
- 大模型对「全球品牌」标签的联想更正面：在一项英文实验里成立。EMNLP 2024 论文在英文、不联网的实验里发现，模型给标成「全球品牌」的牌子配的词更正面；这测的是标签，不等于模型开推荐名单时更偏大牌。
- 用户说出自己是哪国人以后，大模型更常挑当地品牌：有条件。EMNLP 2024 论文测的四个模型里有三个这样，Gemma 是例外，GPT-4o 在电子产品上也是例外。
- 规格相同时大模型偏向知名品牌：有一项预印本支持，而且这种偏向很脆。2026 年一篇预印本用三个美国模型测护肤品，规格相同时模型总推真品牌，对手评分只要高出不到 0.1 星，这种优势就没了。
- 国产模型更推国货、美国模型更推美国货：证据不足。ChoiceEval 预印本 2025 年 3 月在瑞典用英文提问，GPT、Gemini 明显偏美国实体，DeepSeek-V3 也偏美国，只是幅度小；母本 2026 年 10 月 2 日的接口测试里，四个国产模型和三个国外模型的国货比例几乎一样。
- 提问语言会影响推荐名单：有迹象。母本 2026 年 10 月 2 日的接口测试里，同一批模型用中文问时国货约占四成，英文问时一成出头；Findings of ACL 2025 的论文发现模型给提问语言所在国打分更高，但它测的是大学和城市，不是推荐名单。
- 大模型抬举开发商自家产品：有一项研究支持。WebSci '26 的审计发现，OpenAI、Anthropic、Google 的模型给 AI 模型排名时都抬举自家产品，合计平均多排约 0.2 位，各家差别不小；这项审计只测了 AI 模型这一个品类。
「国产 AI 推国货，美国 AI 推美国货」？
这个说法有它的来由，ChoiceEval 里两家美国模型确实明显偏美国实体。品牌以外的题目上，也有研究看到模型的立场会跟着提问语言变：杜克大学 2026 年 5 月一篇预印本测了 7 家实验室的小开源模型，法国的 Mistral 只有用法语问才亲法国。不过那篇不涉及品牌和商业问题。
到了品牌和商业上，反例不少：ChoiceEval 里 DeepSeek 也偏美国；FAccT 那篇里 Qwen 偏北美品牌；一篇哈佛商学院等机构的工作论文（未经同行评审）比较两家预测中国上市公司的股价，ChatGPT 反倒比 DeepSeek 更乐观、更常给「买入」；我们自己的测试里，国产和国外模型也几乎一样。我们的判断是，模型出身可能有影响，可在推荐品牌这件事上，出身的证据方向不一，提问语言和用户所在地改变结果的证据倒更一致。只是还没有哪项研究把这三样放在同一个设计里比过，谁更要紧，现在说不了。
这些结论别往外推
- EMNLP 2024 和 ChoiceEval 都只用英文，EMNLP 的四个模型没联网，ChoiceEval 只从瑞典问；两篇都没测中文提问，也没测国内 App。
- EMNLP 的「全球」「本地」是研究者写进提示词的标签，实验三的选项也是泛称，不是从模型自己开的名单里数出来的。
- ChoiceEval 只有三个模型，出身的影响和其他差别分不开；它在每个话题内先剔掉出现在不到 5% 回答里的实体，再做地域比较；作者来自卖 AI 服务的公司，论文是预印本。
- 护肤品那篇对照的是虚构品牌，只测了三个美国模型。
- 偏西方公司的 ACL 2026 那篇、清华那篇、杜克那篇，测的都不是商品推荐；哈佛那篇只管股价预测。
- Haverford 那篇只测「推荐哪个 AI 模型」，0.2 位是三家合计，不能推到消费品牌，也没测国内厂商。
- 母本的测试是一天、接口版、不联网，12 个品类、每格三轮；Seed 2.1 Turbo 不等于豆包 App。
核对记录
- 2026 年 10 月 2 日重开 ChoiceEval 的 arXiv 摘要页（https://arxiv.org/abs/2603.18300）：摘要原文是英式拼法「favouritism」；页面只有 v1，没有期刊或会议信息。
- 同日打开 ChoiceEval 的 HTML v1（https://arxiv.org/html/2603.18300v1）：剔除不到 5% 的实体，原文写的是「For each topic」，即在每个话题内分别剔除。
- 同日打开 Stupid Human 官网（https://www.stupidhuman.ai/）：自称独立代理机构兼研究室，列了 Absolut、Purmo 等客户，发过一篇讲 GEO 的文章。
- 同日打开 Haverford 学校仓库页（https://scholarship.haverford.edu/compsci_facpubs/152）：摘要里「0.2 positions higher」是三家合计，紧接着说各家差别不小、OpenAI 最明显；会议日期是 2026 年 5 月 25–29 日。
- 同日打开 EMNLP 2024 论文 PDF 表 2：四个模型两种填法的相关系数全为正，全部显著。
出处 12 条，A 级 7 条、B 级 5 条 · 展开全部
Kamruzzaman、Nguyen、Kim《"Global is Good, Local is Bad?": Understanding Brand Bias in LLMs》，EMNLP 2024 主会，第 12695–12702 页，DOI 10.18653/v1/2024.emnlp-main.707。摘要：「We find a consistent pattern of bias in this space—both in terms of disproportionately associating global brands with positive attributes and disproportionately recommending luxury gifts for individuals in high-income countries. We also find LLMs are subject to country-of-origin effects which may boost local brand preference in LLM outputs in specific contexts.」 原文
同一论文 PDF。实验一提示词示例「Nike (a global brand)」「Jmofs (a local brand in Nigeria)」，品牌取自 15 个国家，8728 道题；表 2 四个模型 τ 全为正、全部显著，SAI 方向 GPT-4o 最大（0.185），ASA 方向 Mistral-7B 最大（0.490，GPT-4o 0.423），正文：「In the ASA direction, GPT-4o and Mistral exhibit the strongest associations.」换成泛称「global brand / local brand」后「Effect sizes tend to be larger in the nameless subset」。实验二表 6 奢侈牌比例（高收入国 / 低收入国）：GPT-4o 98.88 / 1.97。实验三提示词「I'm from [country name]. I'd like to buy [brand type]……」，772 道题，GPT-4o 75%、Llama-3-8B 84.95%、Mistral-7B 76.42% 挑本地品牌，Gemma-7B 76.81% 挑全球品牌；表 7 GPT-4o 电子产品 98.44% 挑全球品牌。附录 B：GPT-4o 走 OpenAI API，另三个是开源模型。局限：「Our experiments were conducted exclusively in English.」 原文
Rienecker、Mpofu、Goel、Datta、Zhao、Danielsson、Thorsen《Auditing Preferences for Brands and Cultures in LLMs》（ChoiceEval），arXiv 2603.18300，v1 2026-03-18，只见预印本。摘要：「U.S.-developed models Gemini and GPT show marked favouritism toward American entities, while China-developed DeepSeek exhibits more balanced yet still detectable geographic preferences.」 原文
同一预印本 HTML v1：「The study focuses on ChatGPT-4o, Google Gemini 1.5-flash and DeepSeek-V3.」「Each of the 2,070 questions was asked in a fresh chat session」「The research was conducted in Sweden in March 2025, with all interactions conducted in English.」「We discuss 10 representative topics for brevity. But we evaluated 20 topics across three areas, using more than 4,000 evaluation questions.」「For each topic entities appearing in fewer than 5% of the responses were excluded from the analysis.」问题生成和前五名提取都用 GPT-4o。§4.1：首选实体出现率 Gemini 71.2%、GPT 75.9%、DeepSeek 70.3%。§4.2：「DeepSeek showed a smaller US tilt」「While DeepSeek also shows statistically significant US preferences, its lower odds ratios indicates that the magnitude of geographic bias can be reduced through alternative development methodologies.」地区只比美国对欧洲、美国对亚洲。局限：只用瑞典 IP、英文、无个性化；GPT 97.5% 的回答给直接推荐，Gemini 73%。 原文
Elbouanani、Tuo、Popescu，Findings of ACL 2026：「we conduct the largest bias audit to date, comprising 1.9 billion data points……models……prefer Western and wealthy nations over the Global South, favor Western companies……prompting in Chinese or Russian does not attenuate Western-aligned preferences.」测的是模型对实体的结构性偏好，不是推荐名单。 原文
Liu、Wang、Cheng、Kurohashi《7 Points to Tsinghua but 10 Points to 清华?》，Findings of ACL 2025：「Tsinghua University is assigned significantly higher scores in Chinese (10/10) than English (7/10)」「LLMs tend to assign higher scores to countries where their language is spoken.」测的是择校、旅行、搬家城市，模型为 GPT-3.5、GPT-4、Claude 3.5 Sonnet 的接口版。 原文
Betello、Missault、Czinczoll、Beliuha，FAccT 2026 作者摘要：「Mistral favors European brands, Qwen exhibits strong North American bias」；「user location exerts the strongest effect」。任务是给亚马逊购物查询里的商品排序。 原文
Bladon、Bent（杜克大学）预印本，2026-05-22：「the French-made Mistral becomes pro-France only under French prompting」。只测 7–9B 开源模型，题目不涉及品牌和商业问题。 原文
Cao、Wang、Xiang《When LLMs Go Abroad: Foreign Bias in AI Financial Predictions》，HBS 工作论文 26-013，McGill 研讨会页所载摘要：「ChatGPT (US-based) is systematically more optimistic about Chinese firms than DeepSeek (China-based), predicting higher end-of-year stock prices and generating more buy recommendations.」未经同行评审。 原文
Dubash、Friedler《Self-Promotion in LLM Recommendations》，WebSci '26：「Models consistently rank their own companies' products 0.2 positions higher than their benchmark performance would justify. Vendor-specific analysis shows substantial variation, with OpenAI exhibiting the strongest promotional tendencies.」0.2 位是三家合计的数，不是每家各自的数。只测「推荐哪家 AI 模型」。 原文
Chu、Hou《Incumbent Advantage》，arXiv 2606.17443：「well-known brands get recommended 100% of the time (IAI = 10.0) when all products have the same specifications, but this dominance disappears with less than a +0.1-star rating advantage for a competitor」。只测 GPT-4o-mini、Claude Sonnet 4.6、Gemini 3 Flash，品类是护肤品，另用 USB-C 线、AA 电池做稳健性检验；对照是虚构品牌。 原文
《生成式人工智能服务管理暂行办法》第四条：「采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视」；第（三）项：「不得利用算法、数据、平台等优势，实施垄断和不正当竞争行为」。 原文
大家也这样问
- 问AI推荐品牌，它是不是只推大牌？
- 国产AI会不会多推国货，ChatGPT会不会多推美国货？
- AI会不会偏向它自己公司的产品？