一句话看懂：研究机构 Trakkr 向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 提出 200 个需要数字回答的问题，并逐条追溯它们引用的统计数字。结果发现，在 1,285 条被引统计中，只有 40% 最终能找到结论一致的研究；生成式 AI 读出的“数据”，有相当比例其实无法验证。
事件核心：发生了什么
2026 年 10 月，Trakkr Research 对上述五个 AI 助手提出 200 个日常需要给出具体数字的问题，并从每个助手引用的统计中随机抽样，共追踪 1,285 条，沿引用页逐层回溯最多五层。结果显示：40% 最终抵达结论一致的研究；8% 抵达研究，但数字、对象、地区或时间已被改变；40% 停在无法核查的来源上（来源锁定、失效或并未提及该数字）；11% 完全找不到研究出处，每一页都在重复同一数字却无人负责。这类数字被研究方称为“僵尸统计”。以“44% 销售人员只跟进一次就放弃”为例，五个助手给出完全相同的数字，但追溯链条最后指向一名自由撰稿人的写作样本，没有研究支撑。
为什么重要
AI 搜索和回答正在成为许多人获取信息的入口，但模型往往以同样自信的语气输出有据可查和无从考证的数字，普通用户难以分辨。Trakkr 的数据表明，引用链接本身不足以保证事实基础：链接指向的可能是二手页面，甚至与原研究完全脱节。对依赖大模型做调研、内容生产或决策辅助的团队而言，这直接关联到答案的可信度与责任归属；对搜索和问答类产品而言，来源链条的质量可能成为差异化竞争点。
对用户/开发者/创作者的影响
普通用户应把 AI 给出的具体数字视为线索，而不是结论，尤其要看引用是否直达原始研究。开发者若通过 API 或检索增强搭建问答应用，需要设计来源追溯与置信标注，避免把无出处数字当作事实返回。内容创作者在引用 AI 整理的数据前，应自行回溯原始来源，防止传播二手错误。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
目前公开信息显示，各助手表现存在差异：ChatGPT 可溯源比例为 57%，平均每答引用 1.3 条统计；Perplexity 为 46%、2.2 条；Google AI Overviews 为 39%、4.8 条；Gemini 为 38%、6.2 条；Claude 为 38%、6.8 条。除 ChatGPT 外，其余四者区间重叠，尚不足以形成稳定排名。Trakkr 还用 Google AI Overviews 对 52,930 条日常英文搜索的回答另抽 300 条进行核对，可溯源比例约 40%，与主实验接近。
值得关注的后续
一是五个助手是否会改进引用与来源标注机制，让用户看清数字背后的研究层级；二是第三方能否建立可复用的“统计溯源”审计工具或数据集；三是搜索和问答产品在引用透明度上的竞争，是否会转化为新的产品规范。上述结论均限定在 Trakkr 此次 200 个问题、2026 年 10 月的时间窗口内，并非长期性能排名。
来源：trakkr.ai
