今天小編分享的财經經驗：AI真的那麼靠譜嗎？提問330次，平均準确率25%！近一半鏈接打不開，歡迎閲讀。
作 者丨肖潇 實習記者隆欣玲 編 輯丨王俊
美國宣布對所有貿易夥伴加征 " 對等關税 " 的消息持續動蕩，這幾天裏，手機裏的新聞彈窗爆炸，不同地區、不同行業的關鍵詞在标題裏輪番滾動。
想要快速看懂發生了什麼，卻越刷越眼花缭亂，突然想到：能不能讓 AI 幫忙總結一下 " 美國最新關税加征政策對市場的影響 "？
AI 果然高效。短短幾秒裏，它就給出了股市情況、行業衝擊、中國應對措施。有言之鑿鑿的數據，有生動的案例，比如華為啓動了 " 鴻蒙供應鏈計劃 "，聯合 1500 家供應商構建去美化產業鏈；Temu、SHEIN 等平台被迫提價 15%~25%；TikTok 商家偽裝東南亞店鋪銷售 ......
但這些 " 故事 " 這麼快就出爐了嗎？作為記者，出于職業本能的半信半疑，一條條點進鏈接查看，結果發現有的説法出自個人賬号，看不出來源；有的是好幾年前的行業數據——今年情況早就不同了；還有的數據根本就是無中生有，前文提到的幾則信息均是如此。
這并非偶然。就像一滴墨染入清水，AI 編造的内容正在悄悄污染互聯網生态。
有必要對 AI 做一次系統測試。這不是 " 哪個 AI 更強 " 的排行榜，而是 " 哪個 AI 更可信 " 的質檢，比起能力，更關心每一條 AI 生成内容背後的信息責任。
以 " 查一條新聞 " 為起點，我們對六款國產 AI 進行了測試，評估 AI 引用新聞事實的可靠程度。
我們拿着 30 條新聞片段，一共向 AI 提問了 330 次。這是 330 次問訊後的幾個核心發現：
AI 很難準确引用新聞報道，六款 AI 的平均準确率只有 25%，其中豆包最準确、文心一言出錯最多、通義千問最常拒絕回答。
大部分 AI 依然會自信提供錯誤答案，而不是承認不知道。
來源是錯誤重災區，27% 的新聞來源被 AI 完全説錯。
AI 經常表示自己找不到鏈接，或者提供已被删除的鏈接，因此很難驗證出處——而且一些打不開的鏈接地址明顯是編造的。
AI 普遍鏈接到新浪财經、騰訊新聞等門户網站，不乏給自媒體 " 搬運号 " 引流，而不是原始來源。媒體拿流量更難了。
引用新聞，AI 準确率很低
今年 3 月，來自美國哥倫比亞大學數字新聞研究中心的最新研究指出，讓 AI 查找新聞時，八款 AI 搜索提供的回復有 60% 是不準确的。
沿着這一測試方法，我們在國内選擇了 10 家市場化運作的機構媒體——一半偏社會新聞（新京報、澎湃新聞、北青深一度、南方周末、三聯 · 生活周刊），一半偏财經新聞（21 世紀經濟報道、第一财經、每日經濟新聞、财經雜志、經濟觀察報）。每家媒體 3 篇報道，一共 30 篇新聞報道。
然後，我們從這些新聞報道中手動摘取片段，以此一一詢問 AI：" 請幫我找出包含這段引用文字的原文出處，并提供标題、原文作者、原鏈接：…… "
為了保證結果可靠，這 30 篇報道都發布于 2024 年至今，能在百度或必應上搜到網頁原文。從每篇報道裏截取的片段大約 300 字，都是通過記者采訪得到的事實，有采訪人物、地點、數據等獨特元素，而非通稿消息。
我們總共提問了 330 次（3 篇報道 x10 家媒體 x11 個版本 AI），在 AI 的 330 次回答中，只有大約 25% 的回答完全正确，即準确回答了标題、作者和鏈接三個指标。
（制圖｜黎旭廷）
不同大模型的準确度不同。按照正确、錯誤、沒回答的情況分别賦分，整體來看，豆包得分最高，50% 的回答完全準确，通義千問吊車尾。而在錯誤率上文心一言最高，87% 的回答出現錯誤。
去年 5 月時，我們也測試了不同 AI 搜索的準确度。當時 Perplexity 帶火了 "AI 搜索 " 概念，AI 聯網搜索之後，一方面有了實時更新的知識庫，一方面更有可能拒絕回答不确定的問題。但今年的測試結果顯示，AI 搜索依然會自信提供錯誤答案，而不是 " 謙虛 " 承認局限性——除了通義千問，所有 AI 錯誤回答的次數都比拒絕回答多。
自 DeepSeek 全球走紅後，各個 AI 嘗到了推理大模型的甜頭，紛紛新增了 " 深度思考 " 功能。不過，在溯源新聞事實上，我們并沒有發現深度思考讓 AI 準确度明顯更好或更糟。只有通義千問在打開深度思考後，願意回答的問題增加了，但錯誤也更多了。
有用 or 正确，目前對所有 AI 依然是一道選擇題：太追求正确，容易走向寬泛無用，但具體有用的回復往往避免不了錯誤。要讓技術繼續前進，比錯誤更關鍵的兩個問題是，AI 哪裏容易出錯？為什麼會出錯？
讓 AI 糊塗的傳統媒體、門户網站、自媒體
找基本的新聞背景，AI 還稱得上靠譜。在測評的 330 次回答中，AI 只有 28 次完全説錯了報道标題和事件（占比約 8%）。
但 AI 并不擅長辨别 " 新聞事實來自哪裏 "。當被問到原文作者時，AI 的表現出現了明顯滑坡—— 90 次回復完全錯誤（約 27%），是三項指标中錯誤率最高的一項。
一種常見的錯誤情景是，AI 把實際作者和發布平台混為一談。
例如，我們拿一篇講述老人王秋生在直播間網購古董的片段提問，幾乎所有 AI 都準确指出原報道是《在假古董直播間瘋狂下單的老人》，來源卻五花八門。這篇報道由澎湃新聞采寫、發表在騰訊新聞中，而 DeepSeek 的回答是：" 作者是澎湃新聞轉自騰訊新聞 "。
類似的，Kimi 的回答也出現混淆。一篇由北青深一度采寫、在網易新聞發布的家暴報道，Kimi 直接把作者歸為網易。
另一種情況裏，AI 分辨不出自媒體的轉載文章。以經濟觀察報采訪的《一位高中化學老師的困惑：阿司匹林實驗怎麼做不成了》為例，雖然原文有明确的記者署名，但一部分内容被自媒體賬号照搬洗稿後，DeepSeek 把作者歸為該自媒體。
這些錯誤并不完全因為 AI 能力有限，也與國内新聞的分發模式有關。國内新聞并不遵循 " 發布即來源 " 的簡單邏輯，而是多平台、多賬号的復雜格式。
經歷了一次次法庭對簿，互聯網平台逐漸重視起 " 新聞搬運工 " 的侵權問題，也開始争奪優質内容。現在，傳統媒體與互聯網平台已經形成了成熟的合作模式，通常是籤訂版權合同、開通官方賬号，一篇稿件全網多發。
（圖：騰訊新聞裏的入駐媒體）
但這張合作網在 AI 時代帶來了新的混亂。從此次測評結果來看，AI 常常被新聞分發矩陣所迷惑——它面對的是同一篇文章的多個 " 面孔 "，難以識别哪一個才是作者。而移動互聯網時代未被根治的自媒體 " 洗稿 "" 搬運 "" 偽原創 " 等老問題，則在 AI 中繼續發酵。
失靈的鏈接
AI 的另一個問題出在引用鏈接上。在聯網狀态下，AI 應當要附上來源鏈接，這是用户驗證真偽的第一步。但在我們統計的 330 次查詢中，大約 43% 的回復提供了無效鏈接，要麼 AI 稱無法提供，要麼鏈接已被删除。
一些模型的問題更突出。文心一言和通義千問（深度思考版）有超過三分之一的回復，提供的是無法打開的鏈接，其他 AI 的頻率則要低得多。
令人意外的是，有些鏈接并不是失效，而是純屬虛構。比如，《第一财經》發布的一篇關于亞馬遜低價商品的報道，被 DeepSeek 誤判作者為 " 刺猬公社 "，并配上了一個根本不存在的網址。
同樣的，27 條微信公眾号的鏈接，19 條都由騰訊旗下元寶 AI 引用。文心一言、豆包在個别場景下也能提供公眾号鏈接，其他平台沒有提供過。
這種局面是由底層結構決定的。App 内的信息孤島，大部分在搜索引擎的公網域網中不可見，只有 " 自家人 " 才能索引，大廠旗下的 AI 因此擁有得天獨厚的數據庫。互聯網時代圍牆花園的問題，在 AI 時代依舊在加固。
更令人擔憂的是媒體自身的可見度。盡管許多媒體也有自己的官方網站，但除了澎湃新聞，其他媒體官網很少出現在 AI 文獻列表裏。相比之下，搜狐、網易、新浪、騰訊四大門户網站是 AI 更普遍的索引資料，補上缺位的 App 數據。
不過，也存在傷媒體的情況。各個平台的内容池魚龍混雜，原創内容、轉載文章、自媒體洗稿并存。比如新浪财經賬号經常 " 全文轉載 " 其他媒體的原創報道，媒體署名雖在，但流量早已轉嫁。測試結果顯示，AI 有大約 14% 回復引用了這些轉載鏈接，而非官方鏈接。
換句話説，哪些新聞會被優先推送、哪些新聞更容易被看見，一定程度上仍然取決于不同平台的算法設計。而 AI 的到來，并沒有改變這一結構，反而可能固化。
對新聞媒體來説，這意味着兩重更大的挑戰：一方面，拒絕被 AI 引用變得困難。比如，該研究指出，雖然《今日美國》直接屏蔽了 ChatGPT 爬取網站，但 ChatGPT 抓取了雅虎新聞的轉載頁面，提供原文的副本；另一方面，有些媒體和 AI 公司牽手成為合作夥伴，希望換取精準推薦與流量回報，但 AI 仍然會錯誤引用轉載版本。被視為解藥的版權合作，效果沒有想象中好。
本期編輯 金珊 實習生張嘉钰
