做 GEO 的清单上，「先把百度百科词条建起来」几乎是所有人写的第一条。我一直也这么认为，直到真去看 AI 给出的引用列表，发现有些模型的来源里，百科一次都没出现过。
于是我把这个共识的证据链拆开查了一遍。查完的结论是：这个问题本身问得不完整。
一、流传最广的那组数字，源头标着「广告」
你大概见过这些说法：文心一言重度偏好百度生态，豆包超过 60% 的引用素材来自字节自家平台，Kimi 约 67.6% 的引用来自企业内容和商业目录，DeepSeek 的新闻媒体源约 28%、知乎约 25%。
顺着往回查，源头是 2026 年 8 月 18 日经新浪财经转载的《2026实测各大AI模型信源偏好揭秘》。三点需要读者自己判断：署名是黄冈新闻网，页面标注了「广告」，通篇推广的是一家 GEO 发稿平台。文章称数据来自自家探针，覆盖 200 多个行业关键词、10 万条以上引用来源，但原始数据没公开，方法也没披露到能被第三方重跑的程度。
我的意思不是它编造了数据。我的意思是，它无法被独立核实，而发布方在这件事上有直接商业利益。这两件事叠加，就不该被当成事实反复转述。
二、百度自己的口径，证明的是另一件事
百度在万象大会上介绍过把百科信源和双 Agent 协同接进 AI 的效果，援引果壳的双盲测试称：8 个主流 AI 系统整体准确率提升 38% 以上，关键事实偏差率从 26.4% 降到 4.1%，专家认可度 91.5%。百科这边也强调词条必须标注权威引用来源、排除自媒体和 UGC。
我去找这组数字的独立复核，目前只检索到单一来源的转述，没找到第二家独立机构公布过这个测试的原始设计和数据。
更关键的是，就算这组数字完全成立，它证明的是「把百科喂进去的系统，准确率变好了」。这跟「所有模型都会主动去查百科」是两回事。前者是厂商在自己的产品里做集成，后者才是 GEO 关心的问题。
三、模型之间的差距，比行业文章里描述的大得多
有个可以公开查到的独立基准叫 BrowseComp-ZH，2025 年 5 月由香港科技大学（广州）、北京大学、浙江大学和阿里、字节、蔚来等机构合作构建，289 道题，专门测中文网页检索。成绩是这样的：OpenAI DeepResearch 42.9%，豆包深度搜索 26.0%，DeepSeek-R1 23.2%，Perplexity Research 22.6%，DeepSeek-V3 8.7%，GPT-4o 6.2%，多数模型在 10% 以下。
最高和最低差了将近七倍。连「能不能把中文网页查明白」都差这么远，指望它们的信源偏好整齐划一本来就不合理。这个基准是 2025 年 5 月的，具体分数早过时了，但模型之间存在结构性差距这个结论，一年多来没被推翻。
那到底该怎么办：十分钟自己测
与其信任何人的百分比，不如测你自己的品类。
第一步，准备三个问题。一个品牌直问（XX 是一家什么样的公司），一个品类推荐（预算多少买什么，推荐几款），一个对比（XX 和 ZZ 哪个好）。这三类问题 AI 找资料的地方完全不同，混着测什么都看不出来。
第二步，选三到四个你真正在意的 AI，务必开联网。关掉联网测的是模型记忆，跟信源没关系。
第三步，每个回答只记三件事。引用列表出现了哪些域名，百科有没有出现，出现的话排第几。
第四步，填成一张表。行是模型，列是三类问题，十二个格子填完，答案就出来了。
判读也很简单。百科在品牌直问里稳定出现，词条值得认真维护，它承担的是「你是谁」这一层；只在部分模型里出现，就按你的客户实际在用哪个 AI 排优先级，别按行业文章排；品类推荐题里几乎不出现，说明这类问题的胜负在第三方口碑、评测和官网，词条帮不上忙；三类问题四个模型一次都没出现，先别急着花钱建词条，把同一笔预算放到出现频率最高的那几个域名上。
还有一个容易踩的坑：有些模型压根不给来源列表。这种情况下「没看到百科」只能读成「查不到」，不能读成「它没用百科」。做信源统计最忌讳把看不见当成不存在，这类模型要单独标出来，别跟真的给了来源却没有百科的混在一起。
回到最初的问题。百度百科该不该做，公开证据支持的答案是看情况，而这个情况你自己十分钟就能测出来。真正值得警惕的是另一件事：GEO 行业现在流传的很多数字，源头都是有商业利益的一方，且不接受复核。在这种环境里，自己测一次的价值比读十篇行业分析都高。
（信息来源：《2026实测各大AI模型信源偏好揭秘》，新浪财经 2026-08-18 转载、署名黄冈新闻网、页面标注广告；DoNews《百度AI引入Agent与百科信源显著提升事实准确率》；BrowseComp-ZH 基准，2025-05-06 发布，成绩转引自量子位 2025 年 5 月报道。）
本文首发于公众号「GEO即欧社」知乎版（2026-09-11）。