在網頁應用裏問 ChatGPT 一個問題，再通過它的 API 發送同樣的問題，你經常會得到兩套不同的推薦。2026 年的對照實驗測出，訪問面（access surface）之間的差距可達普通運行間噪聲的 1.5 到 3.6 倍。一個不聲明自己測量面的可見度分數，無法和其他任何一個分數比較。

什麼算一個訪問面

同一個模型可以通過多個不同的產品觸達用户，而每條通路都是一個獨立的測量面。Petra Labs 為 GPT-5.2 區分了三種：登入態付費版 ChatGPT、未登入免費版 ChatGPT，以及 Responses API。它們可以共享同一個模型名，卻在系統提示詞、搜索後端、地理信號和採樣設置上各不相同。

網頁界面還疊加了 API 調用永遠看不到的層級。2026 年 10 月發佈同模型對比的德國開發者 Nikolai Fischer 列舉了這些層級：chatgpt.com 運行着一個 OpenAI 不公開的系統提示詞，自行決定是否聯網搜索，並且知道用户的位置、聊天曆史和已保存的記憶。API 則「裸」得多。在 API 裏，聯網搜索是開發者必須手動開啓的工具，而很多提示詞追蹤工具為了省錢把它關掉，於是模型只能憑訓練記憶作答。模型身份也是訪問面的一部分，而且很容易搞錯：ChatGPT 應用顯示的是思考等級而不是模型名，Fischer 的第一輪 API 測試就因此用錯了模型去對比網頁預設版。

對照實驗發現了什麼

兩個實驗把訪問面之外的一切變量都固定住，是目前最有力的證據。答案引擎優化機構 Petra Labs 在 2026 年 2 月 26 日向三個 GPT-5.2 訪問面各提交了同一條產品調研提示詞 300 次，強制開啓聯網搜索、關閉個性化：共 900 次試驗。把每個訪問面的試驗對半拆分後，品牌可見度的噪聲底線為 4.5% 到 7.1% RMSE。不同訪問面的完整樣本相差 10.8% 到 16.1%，因此訪問面效應是隨機波動的 1.5 到 3.6 倍。Blizzard 出現在 30% 的登入態試驗和 62.3% 的 API 試驗中，擺動達 32 個百分點。Renoun 出現在 15% 到 18% 的聊天試驗中，卻從未通過 API 出現過。登入態 ChatGPT 與 API 的前五推薦品牌重合度只有 25%。Petra 出售優化服務，它的立場要打個問號，但試驗數量和方法都已公開。

Split-half noise 4.5 to 7.1 percent RMSE within a surface versus 10.8 to 16.1 percent across surfaces; Blizzard 30% logged-in versus 62.3% API SPLIT-HALF NOISE, BRAND VISIBILITY RMSE (PETRA LABS, 900 TRIALS) Within one surface 4.5−7.1% Across surfaces 10.8−16.1% 0% 5% 10% 15% Blizzard presence by surface (32-point swing) logged-in 30% API 62.3% The surface effect ran 1.5 to 3.6 times larger than run-to-run noise
圖1：品牌可見度的半分噪聲（Petra Labs，900 次試驗、三個 GPT-5.2 界面）：同一界面內 RMSE 為 4.5 到 7.1 個百分點，跨界面為 10.8 到 16.1 個百分點；Blizzard 在 30% 的登入試驗中出現，在 API 試驗中為 62.3%。來源：Petra Labs，2026 年 2 月 26 日。

Fischer 的實驗通過 chatgpt.com 和 claude.ai 在桌面端、以及兩家廠商各自的 API 提出了 29 個買家式問題，兩側使用相同模型：GPT-6 Sol 和 Opus 5.5。在 318 份答案中，兩份 ChatGPT 網頁答案共享 54% 的品牌（Jaccard 相似度），一份網頁答案與一份 API 答案只共享 28%，兩份 API 答案共享 34%。API 與網頁答案的重合度，比兩份 API 答案彼此之間還低，這是系統性差異而非噪聲的特徵。Claude 的跨訪問面數字是 21%，同訪問面基線為 33%。差距對軟件類問題（38%）和國際類問題（42%）尚可容忍，但對本地服務商驟然崩塌：ChatGPT 上 15%，Claude 上 12%。答案形態同樣分化。網頁版 ChatGPT 平均每份答案 471 詞、7.4 個品牌；同一模型經 API 平均約 151 詞、3.7 個品牌。Fischer 是獨立研究者，不出售任何追蹤工具，他也坦然說明了自己的局限：一個人、一天、一個地點、僅桌面端、29 條提示詞。

Jaccard brand overlap: ChatGPT 54% web-web, 28% web-API, 34% API-API; Claude 21% cross versus 33% same-surface BRAND-SET OVERLAP, JACCARD (29 PROMPTS, 318 ANSWERS) ChatGPT, two web answers 54% ChatGPT, web vs API 28% ChatGPT, two API answers 34% Claude, web vs API 21% Claude, same surface 33% same surfaceacross surfaces The API matched the web less than it matched itself: a systematic difference, not noise
圖2：品牌集合重合度（Jaccard 相似度，29 條提示詞、318 條回答）：ChatGPT 兩次網頁回答共享 54%，兩次 API 回答共享 34%，而網頁回答與 API 回答只共享 28%；Claude 跨界面為 21%，同界面基線為 33%。來源：Nikolai Fischer，2026 年 10 月 16 日。

廠商研究補充了什麼

追蹤廠商自己也做了對比。賣界面追蹤的 Promptwatch 在 2026 年 8 月的一次測試中報告：界面運行與 API 運行只共享 25.6% 的引用來源，界面發現的來源有 70% 根本沒出現在 API 結果裏。賣抓取式追蹤器的 Surfer 則做了自己的抓取與 API 對比：ChatGPT 的品牌重合度 24%，來源重合度 4%；在 Perplexity 上，API 每份答案約返回 7 個來源，而抓取結果約有 10 個。Promptwatch 的研究綜述還提到 2026 年 4 月的一項研究：35 條底部漏斗提示詞在三種設置下運行了 10 天，ChatGPT 界面測出 845 個獨立品牌，不帶搜索的 API 只有 135 個，帶搜索的 API 為 580 個。

以上全部要打上「廠商研究」的標籤。Promptwatch 自己說得很直白：它引用的研究來自銷售界面追蹤的廠商，閱讀結論時要記住這一點。三家公司指向同一方向仍然是證據，但真正該引用的數字是上面兩個對照實驗。

訪問面即便固定住也會漂移

選定一個訪問面並保持不變，靶子本身仍在移動。ChatGPT 付費計劃的預設模型自 2026 年 10 月 7 日起已是 GPT-6 Sol，但應用並不顯示模型名。Cloro 測量六個引擎在多大程度上把答案錨定到實時檢索（grounding 率），每個引擎約 2,500 條提示詞，它觀察到 Gemini 的 grounding 率從 2026 年 7 月的 41.1% 升到 8 月的 70.7%，同期 ChatGPT 則從 7 月的 98.4% 微降到 10 月的 97.6%。答案行為是一個移動參數，不是常數。

廣告是第二個移動部件，而且只存在於部分訪問面上。OpenAI 從 2026 年 2 月 9 日起，在美國向 Free 和 Go 計劃的登入成年用户展示 ChatGPT 答案內的標註廣告。在 2026 年 5 月 20 日的 Google Marketing Live 上，Google 宣佈了內置於 AI Mode 的廣告格式，包括列表式答案內的贊助條目，目前在美國測試中。Promptwatch 的 FAQ 把測量後果說得很明白：廣告、購物卡片、圖片輪播和本地面板只存在於界面裏，API 響應不可能包含它們。這是一把雙刃劍。基於 API 的追蹤器看不到免費層買家真正看到的東西；而不把贊助條目與自然引用分開統計的界面計數器，會誇大你的自然可見度。

面對任何可見度分數要問的五個問題

在比較兩個分數之前，或者帶着某個數字走進預算會議之前，先把訪問面問題放在第一位。如果你正在選型，它應該排在每個廠商問題清單的最上面（我們另行對比了面向 devtool 公司的主流選項）。

第一，測量的是哪個訪問面：登入態網頁、未登入網頁，還是 API？聯網搜索是否被強制開啓？

第二，哪個模型版本、哪些日期？Fischer 被廢棄的第一輪 API 測試說明這一步有多容易出錯。

第三，多少條提示詞、每條跑多少次？Petra 給出的訪問面內 4.5% 到 7.1% 噪聲底線意味着，小樣本分不清真實的五個點增長和運氣。

第四，贊助條目是和自然引用一起統計，還是分開統計？

第五，對完全沒有提到任何廠商的答案怎麼處理？Promptwatch 把未提及的響應記零分並公開了方法。不是每家廠商都這麼做。

這裏的校準比完美更重要。Fischer 發現，對軟件品類和關於大市場的英語問題，基於 API 的追蹤足夠接近網頁結果，能揭示真實趨勢；對本地服務業則崩塌到七份答案才共享一個品牌。把訪問面匹配到買家所在的地方，保持固定，每月重跑（手動方法只要一個下午、不依賴任何工具）。費這個功夫的商業理由從未改變：買家從答案裏點名的品牌中做選擇。

我們的位置

我們靠跑一個更大版本的這項測試為生。本站背後的團隊 CiteGap 會向你的買家所用的引擎提出 30 個買家問題，找出你的產品為什麼缺席，並交給你一份修復清單，按一次性項目交付；持續監測走月度訂閱。我們交出的每個數字都自帶方法：問題、引擎、日期。如果想免費先看一眼，免費掃描會即時檢查你的首頁，並在頁面上展示每項結果。

獲取書面診斷（$490）

常見問題

為什麼 ChatGPT 在網頁端和 API 上給出的答案不一樣？

網頁應用運行着一個 OpenAI 不公開的系統提示詞，自行決定是否聯網搜索，並使用用户的位置、聊天曆史和已保存的記憶。API 沒有這些層級，除非開發者自己加上，而很多追蹤工具為了省錢把聯網搜索關掉。在 29 個問題的同模型對比中，ChatGPT 網頁答案與 API 答案只共享 28% 的被點名品牌，而兩份網頁答案共享 54%。

AI 可見度分數有多準確？

只在它測量的那個訪問面內準確，僅此而已。Petra Labs 的 900 次試驗實驗發現，跨訪問面（登入態聊天、未登入聊天、API）的品牌可見度差異是同一訪問面內重複運行差異的 1.5 到 3.6 倍。把任何分數當作「某個引擎在某組日期、某個切片上的測量」，而不是引擎整體的測量。

我能比較兩個不同工具的 AI 可見度分數嗎？

不能直接比較。各工具在不同訪問面上採集資料，用不同公式打分，覆蓋的提示詞集合也不同。Promptwatch 報告說，客户經常看到同一品牌在不同工具之間有 5% 到 15% 的差距。問清每家廠商用的是哪個訪問面、哪些模型版本、哪種打分方法，然後比較自己趨勢的方向，而不是小數點後的數值。

ChatGPT API 會返回用户看到的廣告嗎？

不會。廣告、購物卡片、圖片輪播和本地面板只存在於界面裏，API 響應不可能包含它們。自 2026 年 2 月 9 日起，ChatGPT 在美國向 Free 和 Go 計劃的登入成年用户展示標註廣告。任何可見度數字都應說明贊助條目是否與自然提及分開統計。

AI 引擎會隨時間改變答案行為嗎？

會，而且是在對追蹤有意義的時間尺度上。Cloro 測得 Gemini 的 grounding 率在 2026 年 7 月為 41.1%，8 月為 70.7%。ChatGPT 付費計劃的預設模型在 2026 年 10 月 7 日換成 GPT-6 Sol，應用卻未顯示模型名。在固定的訪問面上每月重跑，是獲得可信趨勢的最低要求。

來源

  • Petra Labs，900 次試驗的訪問面實驗，2026 年 2 月 26 日（品牌擺動最高 32.3 個百分點；登入態 ChatGPT 與 API 的前五品牌重合度 25%；一個品牌聊天可見度 15% 到 18%、API 上為零）：petralabs.com
  • Petra Labs，對半拆分噪聲分析（訪問面內 RMSE 4.5% 到 7.1%，跨訪問面 10.8% 到 16.1%，訪問面效應為運行間隨機性的 1.5 到 3.6 倍）：petralabs.com
  • Nikolai Fischer，網頁界面與 API 的同模型對比，2026 年 10 月 16 日（29 條提示詞、318 份答案；ChatGPT 上品牌重合度：網頁對網頁 54%、網頁對 API 28%、API 對 API 34%；Claude 上為 21% 和 33%）：nikofischer.com
  • Promptwatch，界面與 API 追蹤測試，2026 年 8 月（界面與無搜索 API 共享 25.6% 來源；界面發現的來源 70% 未出現在 API 結果；工具間差距 5% 到 15%；廣告與購物卡片僅界面可見）：promptwatch.com
  • Surfer，抓取與 API 對比研究（ChatGPT 品牌重合度 24%、來源重合度 4%；Perplexity 的 API 每份答案約 7 個來源，抓取結果約 10 個）：surfer.ai
  • Cloro，各引擎 grounding 率，2026 年 7 月、8 月和 10 月讀數（Gemini 41.1%、70.7%、68.2%；ChatGPT 7 月 98.4%、10 月 97.6%）：cloro.dev
  • ppc.io，ChatGPT 廣告時間線（美國於 2026 年 2 月 9 日起向 Free 和 Go 計劃的登入成年用户推出）：ppc.io
  • Search Engine Land，Google Marketing Live 2026（AI Mode 內的 Conversational Discovery 廣告與 Highlighted Answers，美國測試中；2026 年 5 月 20 日宣佈）：searchengineland.com