AI新榜：API 口径与用户问答口径的信源差异

同一批 AI、同一批问题，走官方 API 问一遍、再以真实用户身份问一遍，得到的信源结构可以完全不同——这是新榜智汇 142.9 万次问答研究里比任何单一数字都重要的发现：豆包在用户侧问答中高频引用今日头条与抖音，而 API 调用中极少采用；元宝的口径差异则体现在公众号信源上。站内主卡《AI新榜：142.9 万次问答与 1683.6 万信源研究》收录研究整体，本卡单独展开这条方法论发现，因为它足以推翻一批“引用率”结论。

为什么两个口径会分叉

机制上不难解释。端侧产品（App/网页里的豆包、元宝）接的是完整服务栈：自有搜索、生态内容池、个性化与记忆层；官方 API 暴露的常常是裸模型加基础联网组件，检索通路、生态接入与排序逻辑都可能是另一套。豆包端侧大量引用头条/抖音，对应的是字节生态内容池在产品层的深度集成——这套东西在 API 侧未必打开。元宝对公众号的取用同理：私域内容检索是产品能力，不随模型 API 自动赠送。这与站内“抖音登顶豆包占比最高引用源”的观测（数据卡）在端侧口径上互洽。

对监测的三层含义

第一，读报告先认口径。任何“AI 引用率/信源占比”数字，都要问它测的是端侧真实提问、官方 API 还是爬虫抓取——三者测的是三个不同的世界，用 API 口径否定端侧现象（或反之）是中文 GEO 讨论里最常见的伪争论。第二，买工具要逼问口径。服务商宣称“覆盖豆包监测”时，追问走的是哪条通路；API 口径的工具会系统性低估生态内容（头条/抖音/公众号）的被引，让“铺字节系/腾讯系内容”的动作在报表上隐形。第三，口径要与目标对齐。优化动作做给端侧用户看，验收就应该用端侧口径复测——端侧监测需排除个性化记忆干扰（无污染出口），这也是中国监测复测节奏页单列口径之辨的原因。

局限

这是服务商双口径实测的发现，单源未复验；分叉的量化幅度（差多少个百分点）原文未公开，目前只能引用“显著差异”这一定性结论。另外口径分叉本身是产品形态的函数：引擎一旦调整 API 的联网组件，两个口径的距离就会变化——把“API≠端侧”当作需要定期复验的动态事实，而不是一次性的定论。