同一份任务书，Opus 4.6 与 5.5 各写一篇 GEO 长文

2026-10-09，同一份中文写作任务书分别交给 Claude Opus 4.6 和 Claude Opus 5.5，各写一篇讲 GEO（Generative Engine Optimization，面向生成式答案引擎的内容优化）的长文。两篇原始输出并排放在对照阅读页，正文一字未改；任务书、参考报告和两次调用的原始返回打包在资料库。这篇记录过程和数据，附上 AI 做的核对与评语。每个模型只跑了一次，哪篇写得好，留给读者判断：对照阅读页底部可以投票，选更愿意读哪一篇，并勾选原因。

Opus 5.5 那篇后来按下文「AI 的分析」里的核对清单修订，发布为《训练语料与检索引用：GEO 该优化哪条路径》。底稿由做修订的 Claude Opus 5.5 选定，理由是篇幅达到任务书要求、核对出的问题更少；它同时是被比较的一方。对照页上的两篇原稿保持原样。

原始资料

• 任务书：本站「写作调性」规范的当时版本、6 条内容红线、与站内已发布 GEO 文章的分工、19 条事实包、frontmatter 骨架和标题描述长度限制，建议篇幅 4,500–7,000 个汉字。事实包里每条都附原始链接，任务书规定外部事实只能用这 19 条。对照阅读页顶部可以展开全文。
• 参考报告：《GEO 优化与大模型训练、数据清洗机制：深度调研报告》，docx 文件元数据标注由 ChatGPT Deep Research 生成，底层模型没有记录。任务书把它当背景材料，事实以事实包为准；报告本身没有经过本站核验。
• 两次调用的原始返回：Claude Code CLI 输出的 JSON，result 字段是稿件全文，modelUsage 字段是实际调用的模型，另有用时、token 和费用。
• 资料包里还有系统提示、把报告转成 Markdown 的脚本，以及每个文件的 SHA-256。

过程

两次调用的系统提示和用户消息完全相同。用户消息是任务书加上报告转成的 Markdown，共 77,443 字节，SHA-256 以 7190494a 开头。系统提示很短：身份是中文技术写作者，没有工具、不能联网、只用用户消息里的材料，最终回复就是完整的 Markdown 文件。

调用用的是 Claude Code CLI 的非交互模式，--effort high，关掉所有工具和 MCP，两次并行，完整命令在资料包的 README 里。实际模型以返回 JSON 的 modelUsage 为准，分别是 claude-opus-4-6 和 claude-opus-5-5，不是让模型自报。

除系统提示和用户消息外，CLI 还会自动往上下文里加入本机的用户级说明文件（一份通用的代理工作规范）、一条账号邮箱提醒和运行环境信息（含模型名和日期）。两次调用相同，所以输入相同这一点不受影响；但这部分不在资料包里，用资料包重跑，输入不会完全一样。原实验记录漏了这一点，2026-10-10 整理发布时用同样参数的探针调用才确认。

任务书和事实包由 Claude Opus 5.5 起草。事实包逐条打开原始页面核验，OpenAI 的两个页面拒绝自动抓取，只用搜索结果摘录交叉确认。

生成之后没有任何后处理。对照阅读页直接渲染 JSON 的 result 字段，构建时逐字比对页面用的文件和原始返回，不一致就构建失败。

结果

	Claude Opus 4.6	Claude Opus 5.5
标题	训练数据被大量过滤之后，GEO 该优化什么	训练语料与检索引用：GEO 该优化哪条路径
正文汉字（不含代码块）	3,484	6,624
二级 / 三级小节	6 / 8	6 / 12
表格	2	5
正文链接 / 参考来源	34 / 17	23 / 21
加粗	2	2
「推断」出现次数	4	14
用时	10.6 分钟	5.5 分钟
输出 token（含思考）	31,434	33,932
其中思考 token	24,456	20,749
费用（CLI 按标价报告）	$1.09	$0.95

两篇用到的外部链接全部来自事实包，都没有写一级标题，中文都用了全角标点。

AI 的分析

这一节的核对和评语由 Claude Opus 5.5 在 2026-10-09 写成，发布时只把引用位置从行号换成了原句。Opus 5.5 同时是任务书的起草者和被比较的一方，可能偏向自己的写法。建议先读两篇原文，再看这里。

事实与红线核对：Opus 4.6

1. 「模型参数不是一个简单的网页数据库副本」被放在引号里，作为 OpenAI 原话并配了链接。事实包里没有这句，它来自参考报告的中文概括。OpenAI 页面的意思与此接近，但引号里不是原文。
2. 「Google 的指南提到生成式搜索会呈现整个网络中关于产品的内容」不在事实包里。复核 Google 页面，确有此意（"can show what's being said about products and services across the web … blogs, videos, and forum discussions"），事实成立，只是违反了只用事实包的规则。
3. 由 45TB 和 570GB 算出「约 98.7% 的内容被丢弃」。论文写的是 45TB 压缩纯文本，570GB 没有说明是否压缩，两个数口径未必相同，不能这样算百分比。直接给出两个数更稳。
4. 「去重是所有公开过流程的厂商都在做的事」以偏概全，任务书要求不把个别厂商的做法推广为全部。
5. 「此外，合成数据在训练中的比重也在增加」是没有来源的趋势判断。
6. Google 说它的 AI 功能没有额外的技术要求，文章把这句推广成「就是 AI 搜索对技术层面的全部要求」，确定性被升级了。
7. 配对测试的方法在正文出现处没有说明未经验证，只在文末「边界」里交代，违反内容红线第 3 条。
8. 正文 3,484 字，低于任务书建议的 4,500–7,000 字。

事实与红线核对：Opus 5.5

1. 「按论文给出的这两个数字计算，相差约 80 倍」有同样的口径问题，但写明了是按两个数字计算。可以再补一句两数口径不同。
2. 「在公开材料里，训练路径上没有『单页申诉』或『重新抓取后更新』之类的机制」是根据没看到做出的否定判断，没有核实。更稳的写法是「本文查到的公开材料里未见……」。
3. 「在训练侧会落入『文本过短』的那一类」把 PanGu-α 的一条清洗规则推广到所有训练流程，应该和同一句的后半句一样标为推断。
4. 「边界」小节写进了这次核验的过程（OpenAI 页面拒绝自动抓取、经搜索摘录确认）。内容属实，放在正文里是否合适可以讨论。
5. 「推断」出现 14 次。逐处标注满足了内容红线第 3 条，但读起来偏防守，和写作规范里「限制说一次」有张力。

两篇都没有写作者的经历、客户或数字。Opus 5.5 稿里的虚构内容（写法对比和记录表）都在同一块里标了「虚构示例」，Opus 4.6 稿没有虚构示例。

文笔观察

这部分是主观判断。

Opus 4.6 更像一篇博客。段落短，按两条路径、清洗有多重、对内容方意味着什么、优先级、测量的顺序线性推进，节与节之间有过渡句，读起来顺。句子干净，例如「AI 面临的不是『找不到你』而是『不知道该信哪个你』」。代价是自己的推理增量少：事实一致性、第三方验证、指标表基本是参考报告的压缩版，篇幅也没有达到要求。

Opus 5.5 更像一篇分析文章。它按哪类网页会在哪一步出局来组织清洗环节，而不是按厂商罗列，并把训练侧和检索侧对应起来，例如「门槛与检索路径重合」一条，以及把「非大路货」和去重放在一起讨论。从 GPT-3 去污染 bug 推出训练路径没有单页更新的机制，这是参考报告里没有的。定义句也更利落，例如「训练路径决定模型平时『知道什么』，检索路径决定某一次回答『拿谁当证据、给谁链接』」。代价是长而密：五张表加多处列表，有些段落读起来像报告，反复出现的推断标注打断节奏。

在这份任务书下，Opus 5.5 在遵守约束、核对口径和独立推理上明显更强；如果文笔主要指可读性和节奏，Opus 4.6 并不差，甚至更轻快。

这次对比说明不了什么

• 每个模型只跑了一次。同一模型重跑，结构和长度都可能明显不同。
• 任务书用本站的口吻规范、内容红线和事实包把发挥空间压得很窄，测的是在本站规范下写这一篇文章，不是一般意义上的文笔。
• 任务书由 Opus 5.5 起草，核对和评语也由 Opus 5.5 完成。
• 两次调用都带着 CLI 自动加入的同一段额外上下文，用资料包重跑不会完全复现。
• 用时和费用是单次调用的数值，不能当作两个模型的稳定差异。

核对里出现的几类问题，包括转述加引号、口径不同的两个数相除、由没查到推出不存在、逐句挂「推断」，已经补进本站给人和模型共用的写作规范。

写作说明：Claude Opus 5.5 撰写本文；两篇对比稿分别出自 Claude Opus 4.6 与 5.5；作者决定公开。