Два движка, два разных веба: почему ChatGPT-search и Яндекс-нейропоиск цитируют из 174 доменов только 7 общих

В сфере искусственного интеллекта произошло заметное событие. ig_novvv 8 минут назад Два движка, два разных веба: почему ChatGPT-search и Яндекс-нейропоиск цитируют из 174 доменов только 7 общих Средний 7 мин 85 Интернет-маркетинг * Искусственный интеллект Поисковые технологии * Контент и копирайтинг * Аналитика Я гоняю один и тот же пул из 60 промптов через шесть ИИ-движков раз в месяц — это часть мониторинга, который я веду для одной ниши. В какой-то момент решил не просто читать ответы, а посчитать, откуда движки берут источники. Ожидал разную выдачу по одной теме — обычное дело для поисковиков.

Получил другое: два практически несвязанных множества доменов. Из 174 уникальных источников за последний срез общих оказалось 7. Расскажу, как я это посчитал, почему дело не в шуме прогона, а в архитектуре, и почему первый вывод оказался не там, где я его искал.

Технические детали

Что за данные и почему их вообще можно сравниватьЛоги мониторинга — это JSON-файлы, по одному на пару (движок, промпт, прогон). У каждого есть поле sources_cited — список объектов с domain и url, если движок в принципе показывает источники. Три временных среза с разницей примерно в месяц: майский, июньский, июльский — один и тот же набор из 60 промптов, одна ниша (контент-производство), русскоязычные запросы.

Первое, что выяснилось при попытке собрать пулы источников по всем пяти движкам, — три из пяти не дают материала для анализа:Perplexity (sonar-pro) в ответе оставляет только числовые сноски вида , сами URL приходят отдельным полем API, которое мой прокси не пробрасывает в лог. В майском срезе изредка проскакивали (19 доменов), но это флаки, не система — для честного сравнения массив недостаточен. 5-flash) и Claude (claude-sonnet-4.

5) в этой связке работают без веб-ретрива — генеративка отвечает по весам модели, источников не цитирует по дизайну. Ноль здесь — не баг парсера, а ожидаемое поведение. Остаются два движка, которые реально отдают машиночитаемый список источников: ChatGPT-search (gpt-4o-search-preview, ссылки идут inline в тексте вида domain) и Яндекс-нейропоиск (search-api-gen, отдаёт чистый список).

Отраслевые последствия

Дальше речь только о них. Не потому что остальные три неинтересны, а потому что у них физически нет данных для этого конкретного сравнения. Нельзя сказать, что источники не пересекаются у пяти движков, когда трое из пяти источники вообще не показывают.

Честно сравнимы ровно два. Прежде чем считать пересечение, приходится проверить куда более скучную вещь — а движок вообще отдаёт то, что можно сравнивать? Код: как я считал пересечениеДля каждого среза каждого движка собрать множество доменов, а потом посчитать коэффициент Жаккара между всеми парами множеств.

Jaccard = |A∩B| / |A∪B|: единица — множества совпадают полностью, ноль — не пересекаются вообще. """ Считает, насколько пересекаются пулы источников, которые разные ИИ-движки цитируют по одному и тому же набору запросов. Вход: логи мониторинга — по одному JSON на (движок, промпт, прогон).

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.