ChatGPT 出版商通道：12 家媒体摘要占据前三位 70%

6 hours ago AI笔记

一句话结论：ChatGPT 内部存在一条名为 labrador 的独立内容通道，12 家出版商的 43 个域名以预生成摘要的形式进入提示词并排在所有网页结果之前，在千次排序案例里占据了前三位条目的七成。

对内容站来说，这条通道把付费授权变成了一件可以量化的生意。它同时也是一个提醒，内容被检索、被引用、被优先展示，这三件事在生成式引擎里已经彻底分开了。

发现过程：三个新闻引擎里只有一个填 provider

这项分析由德国柏林初创公司 Peec AI 的生成式引擎优化研究员 David Konitzny 发布在他的 LinkedIn 主页上，德国科技媒体 The Decoder 于 10 月 27 日做了报道。OpenAI 官方没有就此发布任何声明，所以下面所有机制描述都属于第三方逆向观察。

Konitzny 的切入点是配置层。他检查了 ChatGPT 背后的三个新闻引擎配置，发现只有其中一个叫 labrador 的会填充名为 provider 的字段。顺着这个字段，他定位到 12 家出版商、43 个域名。

这 12 家出版商里，新闻侧包括康泰纳仕、赫斯特、阿克塞尔施普林格、新闻集团、路透社和美联社。非新闻类内容同样走这条通道，食谱、产品评测和购买指南来自 Allrecipes、Tom’s Guide 和 Welt 这些站点。

这一点值得留意。这条通道并不只处理新闻选题，生活消费类内容也被包含在内，而这类内容的搜索意图通常比时事更接近交易。

机制差别：预生成摘要与原始片段

Konitzny 的观察里，机制层面的差别比名单本身更重要。

ChatGPT 并不实时抓取合作方页面，拿到的是事先生成好的摘要。普通网页则以原始文本片段的形式进入。在提示词中，合作方条目排在所有网页结果之前。

这意味着进入通道的站点，其内容在进入模型上下文时已经是被压缩、被改写过的形态，而不在通道内的站点交出去的是原始切片。前者信息密度更高、后者噪声更大，位置差再叠加一次，差距就被放大了。

维度 通道内合作方 普通网页
进入方式 预生成摘要，不实时抓取 实时检索的原始文本片段
提示词中的位置 排在所有网页结果之前 排在合作方条目之后
覆盖范围 12 家出版商、43 个域名 其余公开网页
内容类型 新闻、食谱、产品评测、购买指南 全部可检索页面
排序占比 第 1 到 3 位占七成 第 7 到 10 位仅占两成三

排名位次的落差：七成与两成三

Konitzny 分析了 1000 个排序列表案例，结果是：摘要内容占据第 1 到第 3 位的比例是百分之七十，而在第 7 到第 10 位只有百分之二十三。

这个落差说明优先展示集中在最靠前的位置，分布并不均匀。如果把所有十个位次当成一个整体看，两成三会掩盖掉实际发生的事。真正的情况是，前三位被合作方摘要大面积占据，而七到十位才是普通网页内容的主要生存区间。

OpenAI 早在 2024 年就承诺给合作伙伴更显著的位置。汉堡的一项研究后来发现，施普林格旗下媒体在网页界面的出现频率明显高于通过 API 调用时的表现，说明这条优先级在界面端与接口端并不完全一致。即便如此，合作方内容也并非总被正确署名，这一点对花了钱的一方同样构成风险。

哪些是已确认的，哪些仍是推断

把证据分级很重要，否则很容易把一份逆向分析当成官方公告来引用。

可以确认的部分是合作本身的存在。2023 年底 OpenAI 就与阿克塞尔施普林格达成协议，让 ChatGPT 展示 Politico、Business Insider 等旗下媒体的摘要，路透社与美联社也都在其列，OpenAI 当时表示已与超过 20 家新闻出版商达成类似安排。

仍属推断的部分是技术路径与排名效果。存在一条专门的摘要通道是合理猜测，但 OpenAI 从未公开文档说明 labrador 这个名字、provider 字段的作用或优先级规则。百分之七十对百分之二十三这个数字来自一位分析师的自行测量，目前没有第三方复现。

更重要的是，这条通道是否普遍适用于合作方之外的所有站点，证据并不充分。已确认的是合作方享受优待，未确认的是所有站点是否都能通过某种自我优化获得同等位置。

另有一条佐证指向渠道分发的持续扩张，OpenAI 与谷歌云的 Model Garden 合作让多款模型进入谷歌云的托管目录，这类分发路径的增多意味着同一份内容可能通过多种形态进入模型的训练与检索环节。

对内容站的实际含义

把这件事翻译成中文内容站的运营语言，可以得到几条具体结论。

第一，付费授权换来的东西可以被量化。一个域名进了 provider 名单，拿到的是被加工过的摘要加上排位靠前的位置，跟被抓取的原始流量不是一回事。反过来，没进名单的站点拿到的是文本片段，位置也靠后。这把 GEO 从玄学变成了一个有明确标的的采购决策。

第二，摘要形态是被授权方实际交付的形态，不是展示层的修饰。如果一份长文在进入模型上下文时被压缩成两三句，那么决定它被引用的，很可能是那两三句里有没有可被复述的事实，而不是全文的完整论证密度。对长文的写作策略来说，这个含义比排名的具体位次更重要。

第三，通道内的内容也可能被错误署名。合作方拿到优先位置不等于拿到准确的引用，署名链条本身存在损耗，这给内容方留出了在自有渠道强化事实标记与实体一致性的空间。

第四，横向比较仍然必要。不同检索入口对同一份内容的处理方式并不统一，有研究专门讨论过这类差异，例如 Exa 3.0 搜索 API 上线与八项基准对比 记录的正是搜索层在速度与召回之间的重新分配。

版权层面的张力也一直存在。内容进入模型上下文之后被摘要、被引用、被用于回答，这条链路上各环节的收益分配仍在争议中，站内记录过美国 6 家地方媒体起诉微软与 OpenAI 的版权案，争议焦点正是授权条款能否覆盖这种使用方式。

怎么验证自己是否在通道里

对没有拿到授权的站点，有几件事可以自己做。

最直接的是字段侧检查。Konitzny 的方法就是看结果条目里有没有 provider 字段被填充，具备这一特征的来源就是通道内成员。虽然 OpenAI 没有公开文档，但这个标记在结果侧是可观测的。

其次是排序位次统计。选一批与自身业务强相关的查询词，批量采集前十个位次的来源构成，观察头部位次是否被少数出版商稳定占据。如果头部集中度显著高于同类站点的常态分布，那么通道优势大概率在起作用。站内记录过 OpenAI 公布的 Signals 数据，其中衡量工作活动头部集中度的做法与此相通，用集中度指标替代直觉判断。

第三是引用正确率抽查。即便内容进入了通道，署名环节仍有损耗，统计自身内容被引用时的事实准确率与实体一致性，是比排名更早能发现问题的信号。

需要留意的是，这类测量结论有保鲜期。生成式引擎的检索与呈现机制变动频繁，一个季度前的排名位次分布未必适用于当下。

常见问题

这是 OpenAI 官方公布的吗

不是。这份分析由 Peec AI 的研究员 David Konitzny 在 LinkedIn 发布，The Decoder 于 10 月 27 日报道，OpenAI 官方没有发布声明也没有确认 labrador 通道的存在。文中所有机制描述属于第三方逆向观察，可信度取决于可复现性，而该测量目前还没有第三方复现。

没有签授权协议的站点还有机会进前三位吗

目前证据显示很难。合作方摘要在第 1 到第 3 位占七成，第 7 到第 10 位普通网页内容才占两成三。这个落差表明优先位次已被授权通道大面积占据，未授权站点的内容主要落在中后段区间。是否还有其他能撬动头部位置的机制，目前没有公开证据支持。

这对中文站点意味着什么

labrador 通道覆盖的是康泰纳仕、路透社、美联社这类英文出版商，中文内容站点短期内不在名单里。但机制层面的含义是通用的：生成式引擎优先消费的是预生成摘要与结构清晰的事实片段，而不是完整长文。这对中文内容的写法提出了同样的要求，把可被独立复述的事实、参数与日期写成分离的短句，收益与英文站点得到授权摘要的路径不同，但方向一致。

小结

labrador 通道的价值在于它把一个长期模糊的问题变成了可测量的机制问题。合作方与普通网页在进入方式、提示词位置、排序位次三个维度上被系统性区分开，这不再是推测，而是一份有具体名单、具体比例、可复核方法的观察结果。

对内容站而言，值得带走的判断有三条。付费授权买到的确定是位置，而不只是曝光，这笔账可以算。被摘要的形态决定了长文的价值取决于可复述事实的密度，不取决于论证的完整程度。以及，更值得投入的仍然是让自身内容在无论哪条通道、哪种位次下都能被准确理解和正确引用这件事，这部分能力不依赖任何一份 OpenAI 内部的名单。

相关阅读

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

继续读

同一批更新里这几篇值得一看：

想快速查定义？对应的词条在这里：

Related News