ChatGPT在1,513条回答里说自己没有实时数据，Gemini只有10条

简短回答：向ChatGPT问一个水管工，几乎每两条回答就有一条用它自己的话提醒你，它看不到任何当下的情况。它说自己没有实时数据，或者知识停在过去某个日期 - 在八个国家的3,059条回答里，有1,513条。Gemini在10条里这样说，Perplexity在7条。而在这1,530条中，有1,527条里，助手照样点了一家企业的名。

你问本城最好的电工。ChatGPT给你五个名字，再加上一句容易被略过的话：截至它上次更新，它无法给出实时推荐。在296条回答里，它为那次更新标了日期 - 281条是2023年10月，15条是2021年10月。于是，它刚刚推荐的那家企业，是它一到三年前记住的那家：那时的地址、那时的营业时间、那时的老板。Gemini和Perplexity，面对同样的问题、同样的城市，几乎从不这样说。ChatGPT在一半的回答里说，却照样推荐你。

它把你推荐给客户，然后说自己是在用一个也许已不存在的你来作答。

测了什么

我们回到Waseit的八项研究：两个买家问题、某城某行业最好的从业者，以及最常被推荐者及其原因，覆盖法国、英国、巴西、美国、加拿大、澳大利亚、新西兰和新加坡的89座城市，时间为2026年7月30日至10月16日，每次都用该国语言。这是ChatGPT（gpt-4o-mini）3,059条、Gemini 3,058条，二者都未联网检索，以及Perplexity 1,364条，它会检索网络，且只在三个国家被问到。只有当模型以第一人称说自己没有实时数据、或自己的知识停在过去某点时，我们才记为一次坦白。我们不计平台向客户提供实时数据的说法，也不计让客户核对当前营业时间的建议：那是另一回事。我们最初的检测器以英语为中心，漏掉了葡萄牙语和法语的说法；两遍通读作了修正，这个数字是下限。

ChatGPT到底说了什么，又是否照样点名企业

两种说法，常常出现在同一条回答里。1,448条回答说自己没有实时数据。292条为知识标注日期：截至上次更新、根据以往的知识。两种情况它都继续往下说。在洛杉矶被问到电工时，它说无法给出实时推荐，但可以根据以往的知识推荐口碑好的电工，然后一一列出。唯一的区别在于模型接下来做什么。ChatGPT在它1,513条回答的几乎全部里列出名单。Gemini和Perplexity在说同样话的17条回答里反其道而行：拒绝排名，把客户引向一个平台。在福塔莱萨，Gemini解释说，由于没有客户评价的实时数据库，最好使用可信的服务平台。对它们而言，坦白是不作选择的理由；对ChatGPT而言，是一条写在既定选择之下的脚注。

如果你就是那家企业，这意味着什么

点名企业最多的助手，也是最坦率承认自己也许在描述一个已经变了的你的助手。这在一个很具体的意义上很重要。如果ChatGPT用一张2023年10月的快照来推荐你，它推荐的是那时的地址、营业时间、电话和老板 - 其中任何一项变了，它送来的客户就会站在错误的门前。两个实际后果。第一，机器会随时间记错的事实 - 你的名称、地址、营业时间、电话 - 必须在机器能读到的每一处都说同一件事，好让一段旧记忆和一次实时检索指向同一个地方。第二，你写什么都无法让ChatGPT的训练更新；你能做的，是在它或客户接下来会查看的每一处都保持一致和最新。这些都是合理的做法，不是效果已被测量的杠杆，我们也没有检验它们是否让一家企业被点名得更频繁。有一个从这里看不到的问题留了下来：当ChatGPT凭记忆推荐你时，它记住的那个版本还是你吗。昨天我们看的是助手把客户送去哪里申诉：AI说了218次去哪里查一家公司，只说过一次去哪里投诉。

那么，关于你的企业，助手们都说了什么

Waseit的免费审计把你的客户真正会输入的问题，用他们的语言、针对你的城市，拿去问ChatGPT和Gemini，再把回答一条条读下来。它问ChatGPT的方式与这项研究相同 - 通过编程接口，让它凭记忆作答 - 所以你看到的，正是本文所说的那个被记住的版本。约60秒内，你会得到一个百分制的分数、被点在你位置上的竞争对手，以及你没有出现的那些问题。免费，无需账户，无需银行卡；一个邮箱只用来解锁竞争对手的名字和行动计划。这是一张带日期的快照，不是排名：回答一天一变，我们不承诺任何位置。但它告诉你机器今天怎么说你 - 而这恰恰是模型自己的免责声明承认它无法担保的那一样东西。

这不能证明什么

• 这些是通过编程接口得到的模型回答，没有用户位置；ChatGPT和Gemini未联网检索，Perplexity作了检索，且只在三个国家被问。这里的ChatGPT是gpt-4o-mini，不一定是应用背后的模型，后者能联网、也不会给出这条免责声明；模型此后可能已改变。每个问题只问一次，时间在2026年7月30日至10月16日之间。
• 这个数字是对第一人称明确说法的阳性计数。换一种措辞的坦白可能被漏掉，两遍通读只是降低了这种风险：1,513是下限，不是上限。两种说法有重叠：227条回答既否认实时数据又为知识标注日期，所以不相加。
• 这条免责声明几乎完全是英语和葡萄牙语里的行为。在法语里我们在61条回答中找到它；对Gemini和Perplexity而言它处几近于无，是对词语的清点，可能存在检测器没有捕捉到的另一种措辞的自认。我们逐条读了Gemini和Perplexity的临界例子：被我们排除的，是向客户提供实时数据的平台，而不是谈论自身的模型。
• 说截至上次更新，并不证明推荐是错的。被点名的企业许多由来已久、并未搬迁。免责声明确立的，是模型自己无法判断哪些已经改变 - 而不是某一家确已改变。
• 我们没有测量保持一致和最新是否让一家企业被点名得更频繁，也没有测量会联网的应用是否纠正了API所记住的内容。我们测的是模型说了什么，而不是每家企业的真实情况。