21世纪经济报道 肖潇,实习生隆欣玲,陶畅
美国宣布对所有贸易伙伴加征“对等关税”的消息持续动荡，这几天里，手机里的新闻弹窗爆炸，不同地区、不同行业的关键词在标题里轮番滚动。
想要快速看懂发生了什么，却越刷越眼花缭乱，突然想到：能不能让AI帮忙总结一下“美国最新关税加征政策对市场的影响”？
AI果然高效。短短几秒里，它就给出了股市情况、行业冲击、中国应对措施。有言之凿凿的数据，有生动的案例，比如华为启动了“鸿蒙供应链计划”，联合1500家供应商构建去美化产业链；Temu、SHEIN等平台被迫提价15%~25%；TikTok商家伪装东南亚店铺销售……
但这些“故事”这么快就出炉了吗？作为记者，出于职业本能的半信半疑，一条条点进链接查看，结果发现有的说法出自个人账号，看不出来源；有的是好几年前的行业数据——今年情况早就不同了；还有的数据根本就是无中生有，前文提到的几则信息均是如此。
这并非偶然。就像一滴墨染入清水，AI编造的内容正在悄悄污染互联网生态。
有必要对AI做一次系统测试。这不是“哪个AI更强”的排行榜，而是“哪个AI更可信”的质检，比起能力，更关心每一条AI生成内容背后的信息责任。
以“查一条新闻”为起点，我们对六款国产AI进行了测试，评估AI引用新闻事实的可靠程度。
我们拿着30条新闻片段，一共向AI提问了330次。这是330次问讯后的几个核心发现：
AI很难准确引用新闻报道，六款AI的平均准确率只有25%，其中豆包最准确、文心一言出错最多、通义千问最常拒绝回答。
大部分AI依然会自信提供错误答案，而不是承认不知道。
来源是错误重灾区，27%的新闻来源被AI完全说错。
AI经常表示自己找不到链接，或者提供已被删除的链接，因此很难验证出处——而且一些打不开的链接地址明显是编造的。
AI普遍链接到新浪财经、腾讯新闻等门户网站，不乏给自媒体“搬运号”引流，而不是原始来源。媒体拿流量更难了。
引用新闻，AI准确率很低
今年3月，来自美国哥伦比亚大学数字新闻研究中心的最新研究指出，让AI查找新闻时，八款AI搜索提供的回复有60%是不准确的。
沿着这一测试方法，我们在国内选择了10家市场化运作的机构媒体——一半偏时政新闻（新京报、澎湃新闻、北青深一度、南方周末、三联生活周刊），一半偏财经新闻（21世纪经济报道、第一财经、每日经济新闻、财经杂志、经济观察报）。每家媒体3篇报道，一共30篇新闻报道。
然后，我们从这些新闻报道中手动摘取片段，以此一一询问AI：“请帮我找出包含这段引用文字的原文出处，并提供标题、原文作者、原链接：……”
为了保证结果可靠，这30篇报道都发布于2024年至今，能在百度或必应上搜到网页原文。从每篇报道里截取的片段大约300字，都是通过记者采访得到的事实，有采访人物、地点、数据等独特元素，而非通稿消息。
我们总共提问了330次（3篇报道×10家媒体×11个版本AI），在AI的330次回答中，只有大约25%的回答完全正确，即准确回答了标题、作者和链接三个指标。
不同大模型的准确度不同。按照正确、错误、没回答的情况分别赋分，整体来看，豆包得分最高，50%的回答完全准确，通义千问吊车尾。而在错误率上文心一言最高，87%的回答出现错误。
去年5月时，我们也测试了不同AI搜索的准确度。当时Perplexity带火了“AI搜索”概念，AI联网搜索之后，一方面有了实时更新的知识库，一方面更有可能拒绝回答不确定的问题。但今年的测试结果显示，AI搜索依然会自信提供错误答案，而不是“谦虚”承认局限性——除了通义千问，所有AI错误回答的次数都比拒绝回答多。
自DeepSeek全球走红后，各个AI尝到了推理大模型的甜头，纷纷新增了“深度思考”功能。不过，在溯源新闻事实上，我们并没有发现深度思考让AI准确度明显更好或更糟。只有通义千问在打开深度思考后，愿意回答的问题增加了，但错误也更多了。
有用还是正确，目前对所有AI依然是一道选择题：太追求正确，容易走向宽泛无用，但具体有用的回复往往避免不了错误。要让技术继续前进，比错误更关键的两个问题是，AI哪里容易出错？为什么会出错？
让AI糊涂的传统媒体、门户网站、自媒体
找基本的新闻背景，AI还称得上靠谱。在测评的330次回答中，AI只有28次完全说错了报道标题和事件（占比约8%）。
但AI并不擅长辨别“新闻事实来自哪里”。当被问到原文作者时，AI的表现出现了明显滑坡——90次回复完全错误（约27%），是三项指标中错误率最高的一项。
一种常见的错误情景是，AI把实际作者和发布平台混为一谈。
例如，我们拿一篇讲述老人王秋生在直播间网购古董的片段提问，几乎所有AI都准确指出原报道是《在假古董直播间疯狂下单的老人》，来源却五花八门。这篇报道由澎湃新闻采写、发表在腾讯新闻中，而DeepSeek的回答是：“作者是澎湃新闻转自腾讯新闻。”
类似的，Kimi的回答也出现混淆。一篇由北青深一度采写、在网易新闻发布的家暴报道，Kimi直接把作者归为网易。
另一种情况里，AI分辨不出自媒体的转载文章。以经济观察报一篇报道为例，虽然原文有明确的记者署名，但一部分内容被自媒体账号照搬洗稿后，DeepSeek把作者归为该自媒体。
这些错误并不完全因为AI能力有限，也与国内新闻的分发模式有关。国内新闻并不遵循“发布即来源”的简单逻辑，而是多平台、多账号的复杂格式。
回到2000年前后，搜狐、新浪、网易、腾讯四大门户网站兴起，开始将各大媒体的原创报道“搬运”到自己的新闻专区里。到了2017年，今日头条又革了新闻行业的命，移动互联网的普及和个性化算法将海量自媒体账号推上舞台。传统媒体、门户网站、内容平台就此开展了为期十多年的拉锯：2014年，《广州日报》起诉今日头条侵犯著作权；直到2023年，腾讯仍然和今日头条有侵害知识产权的法律纠纷。
经历了一次次法庭对簿，互联网平台逐渐重视起“新闻搬运工”的侵权问题，也开始争夺优质内容。现在，传统媒体与互联网平台已经形成了成熟的合作模式，通常是签订版权合同、开通官方账号，一篇稿件全网多发。
拿南方媒体来说，广东省网信办今年1月公示的《互联网新闻信息服务单位许可信息》显示，《21世纪经济报道》《南方都市报》《南方周末》《南风窗》在内的119家广东媒体，一共注册了1197个公众账号，相当于一家新闻媒体平均拥有10个不同账号。这些账号覆盖微信公众号、今日头条号、百家号、网易号、搜狐号等，构成一张庞大的合作网。
但这张合作网在AI时代带来了新的混乱。从此次测评结果来看，AI常常被新闻分发矩阵所迷惑——它面对的是同一篇文章的多个“面孔”，难以识别哪一个才是作者。而移动互联网时代未被根治的自媒体“洗稿”“搬运”“伪原创”等老问题，则在AI中继续发酵。
失灵的链接
AI的另一个问题出在引用链接上。在联网状态下，AI应当要附上来源链接，这是用户验证真伪的第一步。但在我们统计的330次查询中，大约43%的回复提供了无效链接，要么AI称无法提供，要么链接已被删除。
一些模型的问题更突出。文心一言和通义千问（深度思考版）有超过三分之一的回复，提供的是无法打开的链接，其他AI的频率则要低得多。
令人意外的是，有些链接并不是失效，而是纯属虚构。比如，《第一财经》发布的一篇关于亚马逊低价商品的报道，被DeepSeek误判作者为“刺猬公社”，并配上了一个根本不存在的网址：www.ciweigongshe.com。
根据各个AI产品“吐出”的链接，今日头条、微信公众号两家平台的链接出现次数最多，但这并不意味他们渠道铺陈到位，恰恰相反，这些“吐出”的链接多来自他们自身的产品：今日头条链接出现的37次里，34次都来自字节跳动旗下豆包AI，剩下3次来自Kimi，其他平台引用了0次。
同样地，27条微信公众号的链接，19条都由腾讯旗下元宝AI引用。文心一言、豆包在个别场景下也能提供公众号链接，其他平台没有提供过。
这种局面是由底层结构决定的。App内的信息孤岛，大部分在搜索引擎的公域网中不可见，只有“自家人”才能索引，大厂旗下的AI因此拥有得天独厚的数据库。互联网时代围墙花园的问题，在AI时代依旧在加固。
更令人担忧的是媒体自身的可见度。尽管许多媒体也有自己的官方网站，但除了澎湃新闻，其他媒体官网很少出现在AI文献列表里。相比之下，搜狐、网易、新浪、腾讯四大门户网站是AI更普遍的索引资料，补上缺位的App数据。
站在媒体的立场上，如果AI能引用媒体官方账号的链接——不管是官方搜狐号还是官方今日头条号，都能拿到属于内容创作者的流量。
不过，也存在损害媒体权益的情况。各个平台的内容池鱼龙混杂，原创内容、转载文章、自媒体洗稿并存。比如新浪财经账号经常“全文转载”其他媒体的原创报道，媒体署名虽在，但流量早已转嫁。测试结果显示，AI有大约14%回复引用了这些转载链接，而非官方链接。
在这之中，豆包情况最严重，30次查询中8次查询都引用了转载链接，主要引流向今日头条的自媒体号。
这也不是一个AI时代的新问题。许多媒体早已意识到互联网推荐算法的影响，试图打造自己的独立App和官网，但实际情况并不理想。中国社会科学院在2020年对三万人开展了问卷调查，以此发布的《新媒体蓝皮书：中国新媒体发展报告》显示，七成以上的人从微信获取新闻信息，四成左右在抖音里看新闻，其次是今日头条和微博。
换句话说，哪些新闻会被优先推送、哪些新闻更容易被看见，一定程度上仍然取决于不同平台的算法设计。而AI的到来，并没有改变这一结构，反而可能固化。
类似的状况也在全球范围内上演。哥伦比亚大学数字新闻研究中心的最新研究指出，Grok-3和Gemini在超过60%的回答中提供了失效链接。
对新闻媒体来说，这意味着两重更大的挑战：一方面，拒绝被AI引用变得困难；另一方面，有些媒体和AI公司牵手成为合作伙伴，希望换取精准推荐与流量回报，但AI仍然会错误引用转载版本。被视为解药的版权合作，效果没有想象中好。
