Hỏi ChatGPT một điều gì đó trong ứng dụng web, rồi gửi cùng câu hỏi qua API của nó: bạn thường nhận được hai bộ đề xuất khác nhau. Các thí nghiệm có đối chứng năm 2026 đo khoảng cách giữa các bề mặt truy cập ở mức 1,5 đến 3,6 lần nhiễu bình thường giữa các lần chạy. Một điểm hiển thị không khai báo bề mặt đo lường của nó không thể so sánh với bất kỳ điểm nào khác.
Cái gì được tính là bề mặt
Cùng một mô hình có thể tới tay người dùng qua nhiều sản phẩm khác nhau, và mỗi lộ trình là một bề mặt đo lường riêng. Petra Labs phân biệt ba bề mặt cho GPT-5.2: ChatGPT trả phí có phiên đăng nhập, ChatGPT miễn phí không có phiên, và API Responses. Chúng có thể khác nhau về prompt hệ thống, backend tìm kiếm, tín hiệu địa lý và cài đặt lấy mẫu, trong khi chia sẻ chung một tên mô hình.
Giao diện web thêm những lớp mà một lời gọi API không bao giờ thấy. Nikolai Fischer, một lập trình viên người Đức đã công bố vào tháng 10 năm 2026 một phép so sánh cùng mô hình, liệt kê chúng: chatgpt.com chạy một prompt hệ thống mà OpenAI không công bố, tự quyết định có tìm kiếm trên web hay không, và biết vị trí của người dùng, lịch sử trò chuyện cùng những ký ức đã lưu. API trần trụi hơn. Ở đó, tìm kiếm web là một công cụ mà lập trình viên phải tự bật, và nhiều công cụ theo dõi prompt để nó tắt để tiết kiệm, nên mô hình trả lời chỉ bằng trí nhớ huấn luyện. Danh tính mô hình cũng là một phần của bề mặt, và nhầm rất dễ: ứng dụng ChatGPT hiển thị mức suy luận thay vì tên mô hình, và lượt API đầu tiên của Fischer kết thúc bằng việc so sánh nhầm mô hình với mặc định bên web.
Các thí nghiệm có đối chứng tìm thấy gì
Hai thí nghiệm giữ mọi thứ bất biến trừ bề mặt — điều đó khiến chúng là bằng chứng chắc chắn nhất hiện có. Petra Labs, một agency answer engine optimization, đã gửi cùng một prompt nghiên cứu sản phẩm 300 lần tới mỗi bề mặt trong ba bề mặt GPT-5.2 vào ngày 26 tháng 2 năm 2026, ép tìm kiếm web và không cá nhân hóa: tổng cộng 900 lần chạy. Khi chia đôi các lần chạy của mỗi bề mặt, sàn nhiễu dừng ở 4,5 đến 7,1% RMSE cho hiển thị thương hiệu. Mẫu đầy đủ của những bề mặt khác nhau lệch nhau 10,8 đến 16,1%, nghĩa là hiệu ứng bề mặt lớn hơn ngẫu nhiên 1,5 đến 3,6 lần. Blizzard xuất hiện trong 30% lần chạy có phiên và 62,3% lần chạy API — một con lắc 32 điểm. Renoun xuất hiện trong 15 đến 18% lần chạy chat và không một lần nào qua API. Top 5 thương hiệu được ChatGPT có phiên và API đề xuất chỉ chồng lấn 25%. Petra bán dịch vụ tối ưu, nên cách đóng khung của họ đáng để soi, nhưng số lần chạy và phương pháp đã được công bố.
Thí nghiệm của Fischer hỏi 29 câu theo phong cách người mua qua chatgpt.com và claude.ai trên desktop và qua API của cả hai nhà cung cấp, với cùng mô hình ở hai bên: GPT-6 Sol và Opus 5.5. Trong 318 câu trả lời, hai câu trả lời web của ChatGPT chia sẻ 54% thương hiệu (độ tương tự Jaccard), một câu trả lời web và một câu trả lời API chia sẻ 28%, hai câu trả lời API 34%. API giống web ít hơn giống chính nó — dấu vết của một khác biệt có hệ thống, không phải nhiễu. Với Claude, con số giữa các bề mặt là 21% so với nền 33% trên cùng một bề mặt. Khoảng cách vẫn chấp nhận được với các câu hỏi phần mềm (38%) và câu hỏi quốc tế (42%), nhưng sụp đổ với nhà cung cấp địa phương: 15% trên ChatGPT và 12% trên Claude. Hình dạng câu trả lời cũng lệch nhau. ChatGPT web trung bình 471 từ và 7,4 thương hiệu mỗi câu trả lời; cùng mô hình qua API khoảng 151 từ và 3,7 thương hiệu. Fischer độc lập và không bán công cụ theo dõi nào, và ông nêu rõ giới hạn của mình: một người, một ngày, một nơi, chỉ desktop, 29 prompt.
Các nghiên cứu của nhà cung cấp bổ sung gì
Nhà cung cấp công cụ theo dõi tự làm phép so sánh của riêng mình. Promptwatch, bên bán dịch vụ theo dõi dựa trên giao diện, báo cáo trong một phép thử tháng 8 năm 2026 rằng các lần chạy qua giao diện và qua API của họ chỉ chia sẻ 25,6% nguồn, và 70% nguồn mà giao diện tìm thấy chưa từng xuất hiện trong kết quả API. Surfer, bên bán tracker dựa trên scraping, tự làm phép so sánh scraping-vs-API: 24% thương hiệu chồng lấn trên ChatGPT, và 4% nguồn; trên Perplexity, API trả về khoảng 7 nguồn mỗi câu trả lời so với 10 trong kết quả cạo được. Tổng quan nghiên cứu của Promptwatch cũng mô tả một nghiên cứu tháng 4 năm 2026 trong đó 35 prompt đáy phễu chạy suốt 10 ngày trong ba cấu hình: giao diện ChatGPT khai thác được 845 thương hiệu riêng biệt, API không tìm kiếm 135, API có tìm kiếm 580.
Định danh tất cả những gì đó là "nghiên cứu nhà cung cấp". Promptwatch tự nói điều đó: các nghiên cứu được trích dẫn đến từ những nhà cung cấp bán dịch vụ theo dõi dựa trên giao diện — hãy đọc kết luận với sự tỉnh táo đó. Ba công ty hội tụ về cùng một hướng vẫn là bằng chứng, nhưng những con số đáng trích dẫn là của các thí nghiệm có đối chứng ở trên.
Bề mặt trôi ngay cả khi bạn ghim nó
Chọn một bề mặt và ghim cố định — mục tiêu vẫn trôi. Mô hình mặc định của các gói trả phí ChatGPT là GPT-6 Sol từ ngày 7 tháng 10 năm 2026, và ứng dụng không hiển thị tên mô hình. Cloro đo tần suất sáu công cụ neo câu trả lời vào tìm kiếm trực tiếp (tỷ lệ grounding), trên khoảng 2.500 prompt mỗi công cụ, và chứng kiến tỷ lệ grounding của Gemini đi từ 41,1% vào tháng 7 năm 2026 lên 70,7% vào tháng 8, trong khi ChatGPT đi từ 98,4% tháng 7 xuống 97,6% tháng 10. Hành vi trả lời là tham số di động, không phải hằng số.
Quảng cáo thêm biến thứ hai cũng di động, và nó chỉ tồn tại trên một số bề mặt. OpenAI hiển thị quảng cáo có nhãn trong câu trả lời của ChatGPT từ ngày 9 tháng 2 năm 2026, dành cho người trưởng thành đã đăng nhập trong các gói Free và Go tại Hoa Kỳ. Tại Google Marketing Live ngày 20 tháng 5 năm 2026, Google công bố các định dạng quảng cáo bên trong AI Mode, gồm cả mục tài trợ trong câu trả lời dạng danh sách, đang thử nghiệm tại Hoa Kỳ. FAQ của Promptwatch nêu hệ quả cho đo lường rất rõ: quảng cáo, thẻ mua sắm, băng chuyền ảnh và bảng địa phương chỉ tồn tại trong giao diện, một câu trả lời API không thể chứa chúng. Điều này cắt cả hai chiều. Theo dõi dựa trên API không thấy điều người mua gói miễn phí thực sự thấy. Cách đếm dựa trên giao diện không tách mục tài trợ khỏi trích dẫn hữu cơ thì thổi phồng phần hiển thị đã giành được.
Năm câu hỏi dành cho bất kỳ điểm hiển thị nào
Trước khi so hai điểm, hoặc mang bất kỳ con số nào vào cuộc họp ngân sách, hãy đặt câu hỏi về bề mặt lên đầu. Nếu bạn đang đánh giá công cụ, nó phải nằm hàng đầu trong danh sách câu hỏi cho từng nhà cung cấp (chúng tôi so sánh riêng các lựa chọn hàng đầu cho công ty devtool).
Câu hỏi thứ nhất: bề mặt nào được đo — web có phiên, web không phiên hay API — và tìm kiếm web có bị ép không?
Thứ hai: phiên bản mô hình nào, vào những ngày nào? Lượt API đầu tiên bị bỏ của Fischer cho thấy mọi thứ hỏng nhanh đến mức nào.
Thứ ba: bao nhiêu prompt, bao nhiêu lần chạy mỗi prompt? Sàn nhiễu của Petra 4,5 đến 7,1% trong cùng một bề mặt nghĩa là mẫu nhỏ không phân biệt được khoản lãi thật năm điểm với ngẫu nhiên.
Thứ tư: mục tài trợ được tính chung với trích dẫn hữu cơ hay tách riêng?
Thứ năm: làm gì với những câu trả lời không trích dẫn nhà cung cấp nào? Promptwatch cho điểm không cho câu trả lời không nhắc tên và công bố phương pháp của mình. Không phải nhà cung cấp nào cũng làm vậy.
Hiệu chuẩn ở đây quan trọng hơn hoàn hảo. Fischer nhận thấy với các danh mục phần mềm và câu hỏi tiếng Anh về thị trường lớn, theo dõi dựa trên API vẫn đủ gần web để lộ ra các xu hướng thật; với nhà cung cấp địa phương nó tụt xuống một thương hiệu chung trên bảy. Cân chỉnh bề mặt theo chỗ người mua của bạn đứng, ghim cố định, và lặp lại mỗi tháng (cách thủ công tốn một buổi chiều và không cần công cụ nào). Lý do kinh doanh của bài tập này chưa đổi: người mua chọn trong số các thương hiệu được nhắc trong câu trả lời.
Chúng ta đứng ở đâu
Chúng tôi chạy phiên bản lớn hơn của bài test này. CiteGap, đội ngũ phía sau trang này, đặt 30 câu hỏi người mua cho các công cụ mà người mua của bạn dùng, xác định vì sao sản phẩm của bạn vắng mặt, và bàn giao danh sách sửa chữa — như dự án một lần; giám sát liên tục có dưới dạng đăng ký hàng tháng. Mọi con số chúng tôi trao đều mang theo phương pháp: câu hỏi, công cụ, ngày tháng. Để có cái nhìn đầu tiên miễn phí, bản quét miễn phí kiểm tra trang chủ của bạn tức thì và hiển thị từng kết quả ngay trên trang.
Nhận Chẩn đoán bằng văn bản ($490)
Các câu hỏi thường gặp
Vì sao ChatGPT trả lời khác nhau trên web và qua API?
Ứng dụng web chạy một prompt hệ thống mà OpenAI không công bố, tự quyết định có tìm kiếm trên web hay không, và dùng vị trí, lịch sử trò chuyện cùng ký ức đã lưu của người dùng. API không có bất kỳ lớp nào trong số đó trừ khi lập trình viên tự thêm, và nhiều công cụ theo dõi tắt tìm kiếm web để tiết kiệm. Trong phép so sánh cùng mô hình trên 29 câu hỏi, câu trả lời web và API của ChatGPT chia sẻ 28% thương hiệu, trong khi hai câu trả lời web chia sẻ 54%.
Điểm hiển thị AI chính xác đến đâu?
Chính xác cho bề mặt cụ thể được đo, và không gì hơn. Một thí nghiệm 900 lần chạy của Petra Labs nhận thấy hiển thị thương hiệu lay động 1,5 đến 3,6 lần mạnh hơn giữa các bề mặt truy cập (chat có phiên, chat không phiên, API) so với trong cùng một bề mặt giữa các lần chạy lặp lại. Hãy coi một điểm là phép đo của một lát cắt của công cụ trên một tập ngày tháng, chứ không phải của cả công cụ.
Có thể so sánh điểm hiển thị AI của hai công cụ khác nhau không?
Không trực tiếp. Các công cụ thu thập dữ liệu trên bề mặt khác nhau, chấm điểm bằng công thức khác nhau, và bao phủ các bộ prompt khác nhau. Promptwatch báo cáo khách hàng thường xuyên thấy khoảng cách 5 đến 15% giữa các công cụ cho cùng một thương hiệu. Hỏi từng nhà cung cấp họ dùng bề mặt nào, phiên bản mô hình nào và phương pháp chấm điểm nào, rồi so sánh hướng của chính xu hướng của bạn thay vì các giá trị thập phân.
API của ChatGPT có trả về quảng cáo mà người dùng thấy không?
Không. Quảng cáo, thẻ mua sắm, băng chuyền ảnh và bảng địa phương chỉ tồn tại trong giao diện; một câu trả lời API không thể chứa chúng. ChatGPT hiển thị quảng cáo có nhãn cho người trưởng thành đã đăng nhập trong các gói Free và Go tại Hoa Kỳ từ ngày 9 tháng 2 năm 2026. Bất kỳ con số hiển thị nào cũng nên nói rõ mục tài trợ có được đếm tách khỏi lượt nhắc hữu cơ hay không.
Các công cụ AI có thay đổi hành vi trả lời theo thời gian?
Có, ở những thang thời gian có ý nghĩa với việc theo dõi. Cloro đo tỷ lệ grounding của Gemini ở mức 41,1% vào tháng 7 năm 2026 và 70,7% vào tháng 8. Mô hình mặc định của các gói trả phí ChatGPT chuyển sang GPT-6 Sol ngày 7 tháng 10 năm 2026, mà ứng dụng không hiển thị tên mô hình. Lặp lại hàng tháng trên một bề mặt cố định là mức tối thiểu cho một xu hướng đáng tin.
Nguồn
- Petra Labs, thí nghiệm bề mặt truy cập 900 lần chạy, 26 tháng 2 năm 2026 (biến động thương hiệu tới 32,3 điểm phần trăm; chồng lấn top 5 25% giữa ChatGPT có phiên và API; một thương hiệu có hiển thị chat 15 đến 18% và bằng không qua API): petralabs.com
- Petra Labs, phân tích nhiễu bằng phép chia đôi (RMSE trong bề mặt 4,5 đến 7,1%, giữa các bề mặt 10,8 đến 16,1%, hiệu ứng bề mặt gấp 1,5-3,6 lần ngẫu nhiên giữa các lần chạy): petralabs.com
- Nikolai Fischer, so sánh web-vs-API cùng mô hình, 16 tháng 10 năm 2026 (29 prompt, 318 câu trả lời; chồng lấn thương hiệu trên ChatGPT web-vs-web 54%, web-vs-API 28%, API-vs-API 34%; trên Claude 21% và 33%): nikofischer.com
- Promptwatch, phép thử theo dõi UI-vs-API, tháng 8 năm 2026 (25,6% nguồn dùng chung giữa giao diện và API không tìm kiếm; 70% nguồn của giao diện vắng mặt trong kết quả API; khoảng cách 5-15% giữa các công cụ; quảng cáo và thẻ mua sắm chỉ trong giao diện): promptwatch.com
- Surfer, nghiên cứu scraping-vs-API (chồng lấn thương hiệu ChatGPT 24%, chồng lấn nguồn 4%; Perplexity khoảng 7 nguồn qua API so với 10 trong kết quả cạo được): surfer.ai
- Cloro, tỷ lệ grounding theo công cụ, các phép đo tháng 7, tháng 8 và tháng 10 năm 2026 (Gemini 41,1 rồi 70,7 rồi 68,2%; ChatGPT 98,4% tháng 7, 97,6% tháng 10): cloro.dev
- ppc.io, dòng thời gian ChatGPT Ads (việc triển khai tại Hoa Kỳ bắt đầu ngày 9 tháng 2 năm 2026, dành cho người trưởng thành đã đăng nhập trong các gói Free và Go): ppc.io
- Search Engine Land, Google Marketing Live 2026 (quảng cáo Conversational Discovery và Highlighted Answers trong AI Mode, đang thử nghiệm tại Hoa Kỳ; công bố ngày 20 tháng 5 năm 2026): searchengineland.com