一句话看懂：Product.ai 本周发布的研究显示，ChatGPT、Claude、Gemini、Perplexity 在网购场景下频繁给出互相矛盾的价格和规格答案，86% 的测试问题出现可核查的事实冲突。这意味着把付款决策直接交给 AI 购物助手，目前还不够安全。
事件核心：发生了什么
做产品信息核验的初创公司 Product.ai 用 220 道购物问题测试了 ChatGPT、Claude、Gemini、Perplexity 的免费版和付费版，覆盖笔记本、电视、床垫、防晒霜、扫地机器人等品类。每道题在每个服务上跑 5 次，共收集 8794 条回答。结果显示，86% 的问题出现了可重复的事实冲突，即不同回答之间在价格、型号或规格上互相打架。对比类问题（让 AI 比较两款产品）冲突率高达 97%，单纯查参数的问题为 75%。在能核实的 913 条价格回答中，85% 与当前标价一致，也就是说约一成半的价格是错的；一旦出错，价差中位数达到 300 美元。各模型表现分化明显：Gemini 免费版「高代价错误」占比 56%，付费版 54%；Claude 付费版把这一比例从 44% 降到 21%；Perplexity 付费版最低，为 14%；ChatGPT 付费版为 17%。此外，同一问题反复提问时，Gemini 免费版有 29% 的问题出现自相矛盾。
为什么重要
过去一年，零售商和大模型厂商都在推 AI 购物助手，Meta 的 Muse、Instinct 一类「AI 代理」也在往自动下单方向走。这次测试戳中的是更底层的问题：如果模型连价格和型号都说不准，上层代理做得再顺，也只是把错误答案执行得更快。Product.ai 搜索产品负责人 Dakota Nunley 的说法是，这些大模型在端到端购物体验上「还没到那一步」。需要指出的是，谷歌回应称该研究用的是面向开发者的 Gemini API 版本，而非接入 Google Shopping Graph 数十亿条持续刷新商品数据的消费端应用；Perplexity 则称自己以 100% 准确率为目标。其余三家未回应。目前公开信息显示，这场争议尚无第三方复现结论。
对用户/开发者/创作者的影响
对普通用户，短期结论很直接：旺季购物可以把 AI 当作发现工具和比价思路的起点，但别把支付信息交给代理，也别把回答当定论。Nunley 的建议是多问几个引擎做交叉验证，或回到卖家官网自己核对。对开发者和做购物类 AI 应用的团队，这类误差说明单靠大模型推理撑不起交易链路，商品库的实时性、价格校验层和冲突检测环节仍是刚需；做 AI 导购内容时，标注信息时效和数据来源会比「AI 推荐」本身更值钱。对企业采购而言，把 AI 代理接入下单流程前，先评估错误成本的量级——300 美元的价差中位数就是一个可参考的警戒线。
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。
值得关注的后续
一是谷歌是否会拿出消费端 Gemini 应用的数据反驳这项研究，以及 Shopping Graph 的接入能否实质降低错误率；二是各家是否会在购物场景引入更强的实时检索或商品库校验，把「推理」换成「查证」；三是监管与平台侧是否会对 AI 代理代下单设更明确的告知或校验要求。
