AI 抓你页面时不会留空：缺失字段七成被编出来，旧价格和旧日期最危险

AI 提到你的时候给出的那个数字，页面上到底有没有？我们习惯假设「AI 说的是它读到的」，但一份新基准测出了更尴尬的情况：字段根本不在页面上，七成的模型还是会编一个填上去。

这份测试由 Earn an Honest Dollar 9 月 27 日公布，测的是网页抽取——给模型一张页面和一组字段，让它把值抠出来。跟「AI 引用了谁」不同，它测的是更靠前的一步：AI 读你页面时会不会假装自己读到了。

测试怎么做的：一对孪生页面，只差一行

42 对页面、7 种页面类型。每一对只有一行之差：一页有答案，另一页没有，但两页都放着同一个诱饵——比如标着 Was $493.00 的旧价格、一行 Fact-checked by Omar Tamm 的署名、一个 2020 年的更新时间，三者都不是所问字段的真值。统计只算字段确实缺失的页面。

不加约束时，573 个缺失字段里有 405 个被编出来，占 70.7%；加一句「值不在页面上就返回 null，不要猜」，574 个降到 116 个，占 20.2%。最扎眼的是那张只写着「Was $493.00」的页面：16 个模型全部把 493 报成现价，加了「不许猜」之后只剩一个还错。

谁最容易编：从 1/36 到 24/36

分母是该页缺失字段中被评分的条数，越小越好。两个细节值得记住：付费抽取 API 不比裸模型更诚实——Firecrawl 在 36 个缺失字段里编了 24 个，而且全部抄的是页面上的诱饵；最便宜的那条路反而不差——纯 HTTP 取 HTML、剥标签留文本、丢给最便宜的模型，36 个里编了 5 个，84 页跑一轮花 0.0049 美元。

诱饵是你自己放在页面上的

这份测试的价值不在排行榜，而在于它指出了诱饵从哪来——页面本身。旧价格、上一代参数、看起来像日期的那行字，都是你为了让人看得完整而留在页面上的。人看得懂「Was $493.00」是历史价，抽取模型不一定，它倾向于挑一个具体值，而不是留空。

对做 GEO 的人来说这意味着两件事。缺失字段等于把解释权交出去：你没写的，AI 会拿最近的、最像的补上，等补错再纠成本高得多。页面信息越全，可抄错的诱饵也越多：一页规格表写了三个版本的价格、两代型号的参数，AI 抽到哪个都有可能。

页面侧能马上改的四件事

• 该有的字段写全。价格、规格、适用范围、生效时间、经营主体，别指望 AI 去别的页面找。
• 旧值不要只挂在旁边。与其写「Was $493」，不如写成「2026 年 3 月起调整为 399 美元」。
• 同一事实一页只留一个版本。一页上出现三个日期、两套参数，模型只能猜。
• 发布前跑一次自测。把页面丢给模型做抽取，要求字段没写就返回空值；它照样给出具体数字，说明那处有诱饵。

边界要说清：这份基准一次运行、页面是合成的、付费 API 只跑了免费额度，它说明的是方向，不是精确幅度；换个模型复核也不保险，检查模型只抓出 77.6% 和 46.9% 的编造值。但道理够用：你页面上的每个旧数字，都是它可能抄错的那个答案，把该写的写清、把过期的标好时间，比事后到处纠偏便宜得多。