五个月换两次底模：Ecosia把Qwen、GLM、Kimi接进搜索，GEO的引用归属进入租用时代

柏林搜索引擎 Ecosia 日前确认与法国 Mistral 分手——距离它今年 5 月刚刚从 OpenAI 换到 Mistral，只过去了五个月。CEO Christian Kroll 接受 Politico 采访时给出的理由很直白：对 Mistral 的质量感到失望，模型大约落后竞品一年；服务器长期过载、宕机成为常态，「Ecosia 对 Mistral 来说是一个太大的客户」。

接替者不是另一家欧洲旗舰，而是开放权重模型：通过德国平台 Melious 托管，接入阿里巴巴的 Qwen、智谱的 GLM 与月之暗面的 Kimi。Kroll 称切换后运营成本大约减半，质量与性能反而提升。值得注意的细节是此前的技术架构：Ecosia 的 AI 摘要跑在 Mistral Small 3.2 上、AI 聊天跑在 Mistral Small 4 上——都是中小型号，而非旗舰。

搜索引擎的底模，正在变成可插拔件

五个月两次更换底层模型，这件事对行业的含义比「哪家模型更好」大得多：搜索引擎与模型的关系，正在从深度绑定变成即插即用。Melious 一家平台就托管了 60 多个开放权重模型、部署在 8 个欧盟国家，并承诺数据不出欧洲；Mozilla 的报告测算，中国开源模型与美国最好系统的差距已经缩小到 4.4 个月。当更换成本降到一次配置变更，客户站换模型就会像换 CDN 节点一样平常。

Mistral 联合创始人 Guillaume Lample 的回应是邀请 Ecosia 测试新发布的 Large 4。但结构性的趋势已经不需要这家客户回心转意：微软发布了专司结构化决策的 Decision-1，Liquid AI 推出面向边缘设备的决策模型 d1，Cloudflare 开源了多模态评分模型 Clef-omni（每百万输入 token 仅 0.15 美元）——「评分与路由」正在从大模型手里拆出来，变成独立品类。搜索答案由哪只模型生成，将越来越像「今天由哪条线路承载」一样动态。

对GEO的三重改写

第一，引用归属是租来的。多数 GEO 团队还在按「引擎」为单位做监测，但 Ecosia 的案例说明：同一个搜索引擎，5 月的答案来自 OpenAI，夏天来自 Mistral，之后可能来自 Qwen 或 GLM——不同模型的训练语料、信源偏好、事实口径完全不同。你的引用波动，主因可能不是内容变了，而是宿主换了大脑。监测粒度必须从「引擎」细化到「引擎×模型」，否则归因全是噪声。

第二，小模型加 RAG 才是真正的阅卷人。Ecosia 把 AI 摘要跑在中小型号上的细节值得所有内容方注意：搜索摘要与 AI 聊天是两种负载，前者大量调用中小模型。中小模型的语义容错更差、更依赖清晰的结构化信号——独立事实块、统一的实体名称、标准 JSON-LD 标记、带日期与数字的答案段。给旗舰模型看的深度长文，未必能通过小模型的抽取，这一条已经被多家机构的复现研究反复验证。

第三，跨模型一致性成为硬指标。Ecosia 用多模型分摊流量，意味着同一个问题在同一引擎内也会随路由漂移。名称、参数、价格、资质在全网保持唯一口径，正在从加分项变成生存项——不一致的实体信息会被不同模型以不同方式误读，然后以不同答案的形式放大出去。

中文内容方的一个窗口

还有一层容易被忽略：这次进入欧洲搜索链路的，是中国团队的开放权重模型。Qwen、GLM、Kimi 的训练语料里，中文高质量内容的占比显著高于多数欧美闭源模型；当它们成为海外搜索引擎的答案引擎，中文一手数据、中文行业报告在跨语言问答里的被引用概率存在结构性机会。对有出海业务的品牌来说，用中英双语维护同一套事实口径，比任何时候都划算。当然，围绕中国模型的审查争议也在同步发酵——NewsGuard 的研究与德国 AI 协会专家的质疑提醒我们，信源可信度本身也会成为被采信与否的变量。

内容生产侧同样在适应这种快节奏：比如音剪这类把音频制作压缩成一键管线的平台，以及MoPNG这类把抠图变成即开即用网页工具的产品，都在把内容资产的生产成本打到足够低——底模轮换越快，能持续供给新鲜、结构化内容的团队越占便宜。

一句话总结：当搜索引擎把底模当成可插拔件，GEO 竞争的边界就从「被某个引擎引用」变成「在任何模型上都站得住」。把内容做成对所有阅卷人都成立的事实块，是应对宿主频繁换脑的唯一办法。

（文 / AI30媒体部 ｜ 最后更新：2026年10月12日）