先立共同事实主键
主体、产品、场景、边界、现行版本先有唯一口径，五家改造都从同一事实底座出发。
解决方案
同一品牌，在五家模型里往往是五个「你」
你可能在文心里被旧知识页定义，在 Kimi 里缺少可引用长文，在通义里与商业资料口径打架，在豆包里脱离口语场景，在智谱里又丢了 To B 前提。横评的价值不是排出假第一，而是识别症状、追到根因，再决定每个入口先修什么。
为什么不能平均用力
公开生态定位，决定管理抓手分叉
把五家都当成「同一个聊天框」来运营，是最贵的策略：你会在错误的入口上堆错误的内容形态。常见症状是，同一条品牌事实被五家回答成不同版本；追到材料侧，往往不是模型“随机”，而是官网、百科、平台内容、商品字段和销售资料各自维护，入口碰到哪份就采用哪份。
横评之前，先承认差异来自生态，也来自品牌自身材料分裂，而不是来自某次偶然回答。下面的对比维度基于五家的产品定位与生态特征，用来判断该在哪家入口先改哪类材料。要得出「谁更推荐你」的名次，则要在同一问题集、同一时间窗和同一标注规则下逐题核对——这也是值数把横评做成一张可验收施工单、而不是一份榜单的原因。
抓手对照
先比「该动哪里」，再谈「表现如何」
左列是管理问题，右两列用「搜索知识型」与「内容/商业生态型」作对照示例；五家细节见下方卡片。
管理问题
搜索/知识底座型（如文心）
内容或商业生态型（如豆包/通义）
事实主要从哪被「喂」出来
搜索/知识底座型（如文心）
索引页、百科/问答类知识产品权重高
内容或商业生态型（如豆包/通义）
平台内容语料、商业与交易侧信息更敏感
优先检修的公开材料
搜索/知识底座型（如文心）
可收录事实页、知识条目口径
内容或商业生态型（如豆包/通义）
口语场景内容、店铺/商品/方案说明一致性
观察时最该用的问法
搜索/知识底座型（如文心）
接近搜索式的需求与百科式介绍
内容或商业生态型（如豆包/通义）
口语场景、比价犹豫、生态内任务问法
口径打架时的典型症状
搜索/知识底座型（如文心）
不同问法指向不同知识条目版本
内容或商业生态型（如豆包/通义）
内容种草说法与交易页参数互相矛盾
症状 → 根因
先分清是入口差异，还是品牌自己的事实分裂
页面上能看到的症状
同一品类问题里，有的模型完全不提品牌，有的提到但沿用旧定位，有的把适用人群说宽，有的引用了正确卖点却指向过期页面。更隐蔽的情况是：五家都提到品牌，但给出的理由互相矛盾。若团队只记「出现/没出现」，这些高风险差异会被压成一个没有行动意义的总分。
材料侧更常见的根因
官网现行页没有统一事实主键；百科与媒体稿仍保留旧口径；电商字段、内容平台口播和销售材料各写一套；适用范围只藏在长文末尾；品牌名、产品名与集团主体没有稳定绑定。入口生态会放大不同材料，真正可控的解法是先统一事实，再按入口补适合被读取的表达。
解法不是一稿五投
一套事实底座，五条入口施工线
再补搜索知识入口
把定义、资质、政策与版本状态放在可收录页面，避免搜索和知识产品继续拼接旧事实。
再补长文检索入口
用有目录、有证据、有边界的完整说明承接复杂问法，让长上下文不是只有宣传语可读。
再补商业生态入口
店铺、商品、云市场和方案页的字段必须与官网一致，尤其是价格条件、交付范围与适配对象。
再补内容口语入口
围绕真实犹豫、比较与使用场景解释品牌，不用机械关键词替代可核对的推荐理由。
最后补 To B 决策边界
让技术前提、部署条件、责任边界与不适用情形在开发者和企业材料里显性出现。
五家速写（公开定位）
每家一句话：品牌侧该记住的差异
文心一言
背靠百度搜索与知识产品。先核官网、百科与可收录知识页是否指向同一现行事实，再谈措辞。继续看 文心品牌可见性。
Kimi
公开强调长文本与检索。说明书式长文、完整上下文和现行可检索页，比拆散的短口号更能支撑复杂问法。继续看 Kimi 引用分析。
通义千问
长在阿里云与商业生态。官网、云市场、店铺与方案材料里的产品边界和商业场景话术要彼此一致。继续看 通义品牌管理。
豆包
贴近字节内容生态与口语问法。要用真实犹豫和比较场景观察，检查图文、短视频口播与官网事实是否互相支撑。继续看 豆包品牌可见性。
智谱清言
To B / 开发者决策链更关键。适用范围、技术前提、交付条件和责任边界，比单纯「被提到」更影响企业判断。继续看 智谱 To B 引用分析。
横评用法
用同一品类场景在五家各看一遍，记录「该修的材料类型」差异，而不是急着排假名次。
横评读法
一张对照表只回答三件事
入口差异
五家各自更吃哪类公开材料？
问法差异
同一需求，应用搜索式还是口语式去观察？
改造优先级
资源有限时，先修哪家入口对应的材料？
怎么做横评（无伪排名）
四步做出「可分配精力」的对照，而不是榜单
步骤 01
锁定一个品类场景与竞品短名单
场景不统一，五家结果不可比。先写清用户角色、价格带或采购约束、对标对象和不应出现的候选；例如消费品要区分送礼、自用与敏感人群，To B 产品要区分认知、技术评估与采购。
01
步骤 02
为每家准备匹配其生态的问法变体
保留一组语义相同的核心问题用于横向对照，再为各入口增加真实使用变体：文心侧可偏搜索式，豆包侧保留口语，智谱侧带上技术条件。核心问题与入口变体必须分别标记，不能混算。
02
步骤 03
按五维度做定性记录
按「是否识别主体、事实是否准确、是否进入候选、跨问法是否一致、能否追到来源」逐条记录。把事实错误和候选缺席分开，因为前者要先止血，后者才进入增长议程。五个维度分开记录，不合成一个会掩盖短板的总分。
03
步骤 04
输出「材料改造优先级」而不是名次
把每个问题映射到可改材料、责任人和复看时间。例如：文心先修可收录知识口径，豆包先补口语场景说明，智谱先补适用边界。完成改造后，用原问题集复看；只有同规则、同窗口的复看才说明变化。
04
产品能力
值数 MATRIX：把五家差异放进同一张可经营对照
统一问题版本与标注规则，同时保留入口差异，让团队看到该在哪家入口先投入。看板把每条回答连回问题、时间、证据与待修材料；事实错误优先止血，候选缺席进入增长议程，两类问题不会被一个平均分掩盖。横评结论会随监测窗口、品类和问题集范围一起标注，团队清楚每条判断适用在哪里。
左右滑动查看完整界面
同规则
标注口径一致，结果才可比。
保留差异
不把五家揉成假平均分。
映射材料
短板指向可改的公开页。
季度回看
规则与场景版本化追踪。
好的横评不产生假第一，而产生一张「每家入口先修什么」的施工单。
值数对国内多模型可见性对照的基本主张