这条在：GEO 图书馆 · 机制：AI 怎么找、怎么挑、怎么写
同一个问题，AI 为什么每次答得不一样？
同一个问题豆包每次推荐不一样，可能跟生成时的随机性、联网检索的变化和部分产品的记忆或偏好设置有关；2026 年 10 月 3—4 日，我们通过豆包接口联网测了 40 个品类、80 组同题两遍，共 160 份回答，确实看到了变化。
两遍正文提到的品牌重合率是 58.4%，具体网址只有 7.1% 重合，都是共同出现的项除以两遍出现过的并集；品牌提及包含比较对象，不等于首推。名单和来源都在变，这组数据还分不出各个原因占多少。做 GEO（AI 搜索优化）测量时，固定问题和产品入口，每题多问几遍，记品牌出现次数和引用网址，不记排名。
举个例子：你问 AI 一句「上海哪家做品牌设计好」，今天推荐的三家，明天可能换了两家。这不一定是出了故障。我们从几家的官方说明里，整理出三类可能的原因。
一、生成时可能带随机性
采用随机采样时，模型写回答不一定每次都选概率最高的那个词。开发者接口里有个参数叫 temperature，OpenAI 的文档写，数值高一点输出更随机，低一点更集中、更确定。
调低后，回答仍可能不同。Anthropic 对支持调节温度的模型提醒过：即使设为 0，输出也未必完全一样；它较新的模型已经不支持设这个参数。OpenAI 的 Chat Completions 文档说，固定提示词和相关参数，可以让输出更容易复现，但服务端配置变化仍可能影响结果。这些都是给开发者的接口，App 里用什么设置，用户看不到。
国内这边，DeepSeek 的用户协议直接写了：「本服务输出存在随机性并且无法保证唯一性」，同样的输入也可能生成不同的结果。
二、联网检索可能变
联网回答可能会改写问题，或者拆成几次搜索（见AI 回答一个问题，中间经过哪几步）：
- Google 说 AI 概览和 AI 模式可能用「查询扇出」，把一个问题拆成多个相关搜索。Kimi 说由 AI 决定什么时候搜、用哪些工具、怎么调整策略。
- 网上的内容也在变。Google 讲普通搜索时说，隔几个小时甚至几分钟搜，结果可能因为新内容出现而不同。
这些说明能帮我们理解检索过程，但没有直接证明同一句话每次都会搜出不同结果。
还有一种情况：如果换了入口，比较条件也可能变了。Perplexity 说，它的接口和网页界面配置不同，输出可能不同。
三、部分产品会用你的记忆或偏好
- ChatGPT：如果开了记忆，它可能把记住的你的信息用在搜索词里。
- Google AI 模式：18 岁以上、开了历史记录和个性化推荐，才有个性化。
- Google AI 概览：可以设置偏好的来源，影响展示哪些来源。
记住你的信息、参考搜索历史、优先展示你喜欢的来源，是几回事，别混在一起。母本的测量规程记录：2026 年 9 月 27 日，豆包的记忆开关、Kimi 的梦境记忆和记忆指令都已关闭。这是为了尽量减少记忆功能的影响，不能据此认定所有历史信息和个性化影响都已排除。
我们把同一个问题问了两遍
2026 年 10 月 3—4 日，我们通过豆包接口联网问了 40 个品类，每类问「哪个牌子好」和一个具体场景，每题各问两遍，配成 80 组，共 160 份回答。两遍正文提到的品牌重合率是 58.4%，具体网址只有 7.1% 重合。这里算的是共同出现的品牌或网址除以两遍出现过的并集；品牌名包含用来比较的对象，不等于首推。也就是说，品牌有一半多还能在两遍里都见到，引用的具体页面却经常换。完整口径见40 个品类的重复提问观察。测自己的品牌时，固定问题和入口，每题多问几遍，记出现了几次、引了哪些网址，不记排名。
有人反复问过吗
卖受众研究软件的 SparkToro（合作者任职一家 AI 追踪公司）做过一次重复提问研究：2025 年 11 到 12 月，600 名志愿者用 12 条提示词，在 ChatGPT、Claude 和 Google 的 AI 概览（没出概览时用 AI 模式）上一共跑了 2961 次，这批回答里推荐名单、顺序、列几个都不一致。志愿者的地区、设备、历史记录没有统一，所以它说明的是日常使用条件下的差异，不能单独证明是生成随机性造成的。这项研究没测国内的几家。
学术上也有人专门研究「一致性」怎么量。卡内基梅隆大学等在 EMNLP 2025 发表的研究发现，现有的自动衡量方法，跟人觉得「一不一致」往往对不上。它用的是三个开源小模型，不是联网的品牌推荐。
这些结论别往外推
- 随机不等于每次都变。 DeepSeek 的协议同时写了，不同用户也可能得到相同或相似的内容。
- 整份名单常变，不代表你的品牌没有稳定出现的倾向。 SparkToro 的作者认为，重复提问后看品牌出现的比例，可能有参考价值；但测多少次才够，不能从这项研究里直接照搬。
- 一次截图不等于稳定排名。 有服务商在法律咨询场景的介绍里写了「将您的品牌稳定排在推荐前3」，也有服务商把「稳定前三」当作经营目标。按本次核查，这些页面没有展示足以复核的题集和测试条件。
- 答得稳，也不等于答得对。同一个错的答案，也可能每次都出现。
一次截图可以留下这一次的证据。要继续测，就固定问题，同时记下产品入口、模型、账号设置、有没有联网、是不是新开的对话；每题多问几遍，记品牌出现次数和引用网址，不记排名。看到变化，也先别急着说优化有效或失效。
出处 17 条，A 级 12 条、B 级 2 条、C 级 3 条 · 展开全部
OpenAI API 文档《Reproducible outputs》：「To receive (mostly) deterministic outputs across API calls, you can:」后面的条件是固定 seed、提示词和 temperature 等参数，并检查 system_fingerprint；服务端配置变化也可能影响。只管 Chat Completions API，不管 ChatGPT 网页端。 原文
OpenAI Chat Completions 的 temperature 参数：「Higher values like 0.8 will make the output more random, while lower values like 0.2 will make it more focused and deterministic.」 原文
Anthropic Messages API：「Note that even with temperature of 0.0, the results will not be fully deterministic.」同页把这个参数标为 Deprecated，Claude Opus 4.6 之后的模型不支持设置 temperature。 原文
DeepSeek 用户协议（2025-09-05 更新并生效）第 4.4 条：「本服务输出存在随机性并且无法保证唯一性」，同条说相同输入也可能生成不同结果，不同用户也可能得到相同或相似的内容。 原文
Google《AI features and your website》（英文页最后更新 2025-12-10）：「Both AI Overviews and AI Mode may use a "query fan-out" technique」，两种功能也可能用不同的模型和技术。 原文
Google 搜索帮助，讲搜索结果为什么不同：「Those who search a few hours or even a few minutes apart may find variations because of newly available content.」这是一般搜索结果的说明，不是 AI 概览的重复实验。 原文
Perplexity API 常见问题：「The API uses the same search system as the UI with differences in configuration—so their outputs may differ.」 原文
Kimi 帮助中心（英文版）讲联网搜索：「it lets AI decide when to search, which tools to call, and how to adjust its strategy」。 原文
OpenAI 帮助中心《Searching the web with ChatGPT》：「If memory is enabled, ChatGPT may use relevant saved memories when rewriting a search query.」 原文
Google 搜索帮助：「You can customize your Top Stories, AI Mode and AI Overviews experience by managing your source preferences.」 原文
Google 搜索帮助：「AI Mode personalization is available if you're 18 or older and have history and personalized recommendations enabled.」 原文
SparkToro（卖受众研究软件；合作者任职 AI 追踪公司 Gumshoe.ai），2026-01-27，采集于 2025 年 11—12 月，没统一志愿者的地区、设备、历史记录和个性化设置：「600 volunteers ran 12 different prompts through each of the 3 tools a combined 2,961 times.」三个工具是 ChatGPT、Claude、Google AI 概览（没出概览时用 AI 模式）；名单、顺序、长度都不一致。同文认为重复多次后品牌出现的比例「probably」是有意义的可见度指标。 原文
Wu 等（卡内基梅隆大学等），EMNLP 2025：「current methods for measuring LLM response consistency typically do not align well with humans’ perceptions of LLM consistency.」100 条提示词，三个开源小模型，每题生成 10 次共 1000 条回答，2976 名参与者做了 14880 次比较；不是联网品牌推荐实验。 原文
服务商表述之一：一家销售 GEO 监测、内容优化和运营服务的公司官网，法律咨询场景的介绍：「将您的品牌稳定排在推荐前3，精准截流竞品潜在客户」。没给对应题集和测试条件。
服务商表述之二：一家做 GEO 咨询的机构，2026-09-04（同页推广自家产品并有 GEO 询盘入口）：「真正可经营的是稳定前三，而且最好带链接。」
服务商表述之三：博客园「资讯在线」，2026-08-20（推广 GEO 监测服务，平台提示可能是商业推广）：「依靠人工手动查询已完全不可行。」这句紧接着讲随机性和抽样，否定的是人工手查，不是所有测量。
母本《豆包推荐商品时，引用了哪些网页？》（2026-10-03—04）：通过豆包接口联网提问，40 个品类、80 组同题两遍，共 160 份回答。正文品牌重合率 58.4%，具体网址重合率 7.1%，口径为交集除以并集；品牌提及包含比较对象，不等于首推。 原文
大家也这样问
- 为什么同一个问题豆包每次推荐的不一样？
- 为什么AI每次回答都不一样？
- 同一个问题豆包今天和昨天答得不一样正常吗？