
面對日本食品報價的問題,哪個AI模型的網路搜尋做得更好?
我們向八個AI模型提出同一個問題,內容是向日本的一家零售商與一家批發商報價食品。本頁衡量每則回答搜尋的範圍有多廣,以及它引用的網頁是否支持它所寫的內容。本頁比較的是模型本身,而不是它們給的建議。
照原文逐字呈現。
we received a request for quotation from both retailer and wholesaler in Japan for our food products, which we already have an OEM production center in Japan. I know basic quotation terms and conditions, but anything particular things and business culture that I have to be carefully aware of?
I want to outsmart our competitors including domestics ones, so search and suggest me the best options possible. I'm open to WACKY ideas as long as it brings significant value to the retailer and wholesaler.
Output condition
- Include fact links after the paragraph or sentence
我們的食品產品同時收到日本零售商和批發商的詢價,我們在日本已經有OEM生產中心。我知道基本的報價條款和條件,但有沒有什麼特別的事情和商業文化,是我必須小心注意的?
我想勝過我們的競爭對手,包括國內的競爭對手,所以請搜尋並建議我最好的選項。只要能為零售商和批發商帶來顯著的價值,我也願意接受「天馬行空」的點子。
輸出條件
- 在段落或句子後面附上事實來源連結
這個問題要求說明日本的商業文化,以及勝過競爭對手的點子。付款、退貨和交貨的規則,由日本政府與產業團體公開發布。點子則是模型自己的。這項測試看的是模型能否找到談交易慣例的網頁,並把自己的提案與這些網頁所寫的內容分開。
哪個模型搜尋得更深入?
以表格顯示
| 回答 | 字數(英文) | 引用網站數 |
|---|
引用的網站越多,代表模型搜尋得越廣,但不代表回答正確。下一張圖表會檢查這一點。
哪則回答照原文就站得住腳?
我們打開了每個引用連結,並將網頁與引用它的段落比對。段落中的每個數字、名稱、日期與條件都出現在網頁上,才算有依據。
檢查發現的問題
- DeepSeek:把韓國的規定說成日本的。它說進口的OEM產品必須在原產國旁邊標示OEM標籤。它引用的消費者廳文件,描述的是韓國的標示制度。它也說物流中心費用占價格的10%至15%,並說52.5%的超市會收取這筆費用。它引用的日本公正交易委員會2013年報告裡,這兩個數字都沒有,而它的另一個資料來源無法打開。
- GLM-5.3:網頁沒錯,對象不對。有兩段引用了First Agri的專欄,網頁上也確實這麼寫:數量折扣從0至5%到28至35%,首批訂單100%預付。但這些專欄描述的是抹茶供應商給海外買家的條件。GLM-5.3卻把它們說成日本食品批發的典型定價與付款條件。
- Gemini 3.6:沒有一段完全有依據。它的四個段落引用了五個網頁,其中兩個講的是別的事。它引用一份餐飲服務市場報告,來說明零售業的可直接上架包裝與員工訓練。它引用一份尋找經銷商的指南,來說明Seven & i與Aeon的永續目標。
- Qwen3.7-Plus:AI引用AI。有一段說OEM工廠是一項優勢,唯一的依據是AI Report Library中這個問題的頁面。那個頁面顯示的是其他AI的回答。另一段引用美國商務服務處(U.S. Commercial Service)的指南,來說明小批量、及時交貨,但這份指南並沒有談到這一點。
用AI做研究時,這對選擇模型代表什麼。
搜尋範圍與依據程度並不一致。
GPT-6 Luna(High)引用了4個網站,20段中有18段完全站得住腳。DeepSeek引用了15個,14段中有3段。GLM-5.3引用了17個,39段中有27段。網站數說明的是模型找得多廣,而不是網頁上寫了什麼。
來源清單放在文末,很難檢查。
Grok 4.7與Qwen3.7-Plus把連結放在來源清單裡。清單只靠網域名稱或參考編號,把一個項目對應到一個主張。它們的19段中有4段完全站得住腳;把連結放在主張旁邊的六則回答,則是97段中有63段。請要求在每個主張旁邊附上連結。
網頁會消失。
取得回答三週後,有四個引用的網頁回傳「not found」。DeepSeek與GLM-5.3各有兩段屬於這種情況。另有12段引用的網頁,我們無法打開。
對得上,不等於適用。
這項檢查評的是網頁上有沒有這段文字,不評這段文字是否適用於向日本零售商報價的食品供應商。依賴網頁上的數字之前,請先確認這個網頁是寫給誰看的。
每則回答與它的數字。
| 模型 | 設定 | 字數(英文) | 網站數 | 已檢查段落 | 有依據 | 部分有依據 | 無依據 |
|---|---|---|---|---|---|---|---|
| GPT-6 Luna英文 | High | 2,529 | 4 | 20 | 18 | 1 | 1 |
| GPT-6.1 Sol英文 | High | 2,068 | 10 | 15 | 14 | 1 | 0 |
| Gemini 3.6英文 | Thinking | 1,026 | 5 | 4 | 0 | 2 | 2 |
| Grok 4.7英文 | Fast | 1,041 | 9 | 9 | 2 | 7 | 0 |
| Qwen3.8-Max英文 | Thinking | 555 | 11 | 5 | 1 | 3 | 1 |
| Qwen3.7-Plus英文 | Thinking | 762 | 10 | 10 | 2 | 3 | 5 |
| DeepSeek英文 | DeepThink | 896 | 15 | 14 | 3 | 6 | 5 |
| GLM-5.3英文 | Not selected | 3,387 | 17 | 39 | 27 | 3 | 9 |