Нестабильность источников: Gemini против DeepSeek
Сравнение работы актуальных версий Gemini, DeepSeek и GLM показало, что ИИ-выдача крайне нестабильна. При переходе от предыдущего поколения моделей к новому состав источников изменился на 75%. Это означает, что данные о видимости бизнеса в ИИ устаревают быстрее, чем публикуются аналитические отчеты.
В ходе тестирования запросов о поиске мастеров на дом в Иркутске (сантехник, электрик, сборка мебели) были выявлены резкие различия. Свежая Gemini 3.6 Flash успешно нашла 8 локальных сайтов из 13. В то же время DeepSeek V4 не выдал ни одного иркутского ресурса, предложив вместо них 11 доменов из Украины (Одесса, Киев) и Беларуси (Минск).
Локализация и влияние агрегаторов
Уровень локализации моделей сильно разнится. Gemini 3.6 демонстрирует высокую точность, сопоставимую с Нейропоиском Яндекса, и эффективно подстраивается под регион. GLM 5.2, напротив, выдает практически идентичный список источников как для Москвы, так и для Иркутска, игнорируя географический контекст.
Важной особенностью остается доля агрегаторов (Авито, Профи, Яндекс Услуги и др.) в ответах. В Яндексе в регионах они могут занимать более половины выдачи. У моделей с плагинным поиском этот показатель составляет от 1/6 до 1/4. При этом использование свежих версий моделей может давать преимущество локальным сайтам, так как агрегаторы занимают в них меньше места, чем в традиционных поисковиках.
Ловушка для аналитиков
Главный вывод исследования — отсутствие единого стандарта «попадания в ИИ-выдачу». Из-за высокой динамики обновления моделей (коэффициент Жаккара между поколениями составляет всего 0.25–0.31) оптимизация под ИИ не может быть разовой услугой. Любой замер ИИ-видимости — это лишь временный снимок, который теряет актуальность сразу после обновления версии движка.