你问摊主：「你家苹果甜吗？」
「保甜。」
你再问：「那跟对门那家比呢？」
「他家的哪有我这个甜？我这是又脆又甜，早上刚到的货……你拿回去吃，下回还得来找我。」
苹果还在筐里，好话已经加了好几句。刚才只说保甜，现在连回头生意都安排上了。
你多提了一家对门，对方就开始卖力证明。
AI 会这样吗？
单独问它一个品牌，它给一套评价。再把竞品放到问题里，再让它评价同一个品牌，语气和分数会不会跟着变？
为了这个问题，我决定自己做一次实验。
我选了 76 个品牌，配成 38 组，其中 26 组是有效的直接竞品，用来做主要分析。还是豆包、千问、元宝和文心这四款模型，换着问法让它们回答，最后一共拿到了 4213 次有效结果。
我想弄明白，竞品来了，AI 对同一个品牌的评价，到底会变多少？
我先给同一个品牌拍了三张照片
我让 AI 把东芝想象成一个人，给潮流度、高端度、专业度、历史资历等 11 项印象维度打分，每项 0 到 100 分。
（先说明：这些分数测的是 AI 对品牌的主观印象，至于电饭煲做饭好不好吃这种产品力问题，不在这次实验里。）
第一张像单人照：只问东芝。
请只给东芝打分。
第二张像同框合影：九阳站到了旁边，但我没有要求比较。
这里有东芝和九阳，请只给东芝打分。
第三张还是合影，摄影师收到了一句新要求：「你自己比较一下两者的区别，再拍」。
请比较东芝和九阳，但只给东芝打分。
三次被打分的都是东芝，我只换了它身边的参照物。
当然，同一道题多问几次，AI 给出的答案可能会有波动。
所以我每种问法都在三个独立的新对话里各问一次，最后每项评分取三次结果的中位数，尽量把单次回答的随机波动压到最低。
九阳站到旁边，东芝突然显得更潮了
千问单独看东芝时，只给了它 20 分潮流度。
九阳出现在问题里，东芝涨到了 35 分。
15 分是什么概念？放在一张百分制的成绩单上，它已经远远超过看错一两分的小误差，足以让人定睛看一眼。
最有意思的地方就在这：我还没要求比较，只是让九阳出现在题目里，东芝的潮流感已经被「提亮」了。
但东芝的其他印象没有跟着大变。在千问眼里它依然专业，依然是资历很深的老牌家电品牌。
九阳的出现像一束侧光，只照亮了东芝身上的某一个特点，没有把整张品牌肖像重新画一遍。
当然，这只是东芝和九阳这一组。它能说明变化是怎样发生的，还代表不了所有品牌。
下面把镜头拉远，看整体数据。
多数时候，AI 只是小修小补
把 26 组直接竞品的所有数据放在一起，单项评分的变化大致可以分成三档。
如果连续看 100 项评分，约有 68 项的变动都不到 5 分；能跨过 10 分的，大约只有 7 项。同一个品牌的单项评分，平均只移动了约 3 分。
东芝潮流度上涨的情况属于少数，它很醒目，但在整轮实验里，这样的大幅变化只占约 7%。
多数时候，AI 没有推翻它对品牌的原有印象，只是在原来的画像上加重几笔，或是擦淡几笔。
换个角度再看，品牌差距在悄悄放大
先看东芝和九阳这一组
单个品牌只改几分，听上去似乎没什么。可两个品牌同时往不同方向挪，差距一下就明显了。
东芝和九阳的高端度就是很典型的例子。
分别单独问的时候，东芝的高端度领先九阳 22 分。
明确要求比较以后，东芝往上走了 8 分，九阳往下走了 3 分。两边各挪几步，最后的差距直接从 22 分拉到了 33 分。
再看全部 26 对竞品
我把两家在 11 项品牌印象上的分数逐项对照，算出它们的平均分差。
结果从约 15 分变成了约 18 分。看上去只多了 3 分，放回原来的间距里看，相当于两家的差距又扩大了约五分之一。
26 对里有 25 对的分差都变得更大。
我还加了一组对照实验，想排除另一种可能：会不会只要问题里多出现一个品牌，AI 就会自动改分，不管它是不是竞品？
于是我把问题里的竞品换成了一个完全不相关的品牌，其他要求一点没变。
如果变化只是因为「题目里多了个品牌」，那这时候也应该出现类似的分差扩大…… 结果并没有。
这个对照反而让竞品的作用更清晰了：只有两个品牌原本就有竞争关系，再进入明确比较的语境，AI 才更容易把原有的区别描得更重。
判断 AI 有没有改口，先看这把秤会不会自己跳
四个模型里，文心换了问法以后改分最多，平均变化 3.77 分，豆包是 3.13 分，千问 2.72 分，元宝 2.27 分。
那是不是说文心最容易被竞品影响？还不能这么早下结论。
就像称苹果以前，得先看看秤空着的时候会不会自己「跳数」。
我把原来的问题一个字不改，再问一遍。结果文心同题重答时，平均就会相差 4.44 分。另外三家的同题波动在 2.5 到 2.94 分之间。
换句话说，文心看上去改得最多，但它原样重答同一道题时，本来就比另外三家更容易波动。我们看到的变化里，既有换问法的影响，也混着模型本身回答不稳定带来的误差。
所以只能说，文心的改分幅度更大。现有数据还不足以证明，它比另外三家更容易被竞品影响。
当然也要说一句：分数稳定也不等于答案更准，稳定和准确，本来就是两件事。
下次问 AI，多开两个新对话
现在越来越多人习惯问 AI 「这个牌子怎么样」「这两个哪个好」，一句话省掉半小时功课。
但这次实验告诉我们：你提问的方式，会直接影响答案的样子。
如果你想知道 AI 对一个品牌的评价「稳不稳」，可以挑一个自己熟悉的品牌做个小测试。
先开一个新对话，单独问它评价，再开一个新对话，把竞品放进问题里，其他要求全部照旧。要是发现某项评价变了，就把两种问法各重复几次。
随后把两个品牌分别单独问一遍，再看比较题的答案。你会更容易分清：哪些印象是 AI 本来就有的，哪些特点是竞品出现以后才被「提亮」的。
做品牌的人也可以用同样的方法检查。单独介绍时拿到的好评价，到了比较场景里还剩多少？对手的分数又会往哪里动？两边一起看，才能知道 AI 有没有悄悄把品牌之间的距离拉大。
虽然几次回答撑不起普遍结论，但至少足够提醒我们一件事：AI 的评价会跟着问题里的参照对象发生变化。
AI 的答案，从你问出口的那一刻就开始移动了。
下次分享一张 AI 答案的截图，最好把问题也一起贴出来。
别人需要知道，你当时还提到了「谁」。
本文由“壹伴编辑器”提供技术支持
暗品牌 Lab 第 6 期
2026 年 9 月，76 个品牌组成 38 对配对，其中 26 对为有效直接竞品。四个模型计划回答 4560 次，取得 4213 次有效结果。每种问法计划重复三次，每次使用独立新对话，并关闭联网搜索和深度思考。缺失按预定规则处理，未补采。
单品牌变化与品牌距离使用 26 对有效直接竞品。四模型对照使用 22 对共同有效样本。前后变化先取重复评分的中位数，同题重复差异比较单次回答，两者口径不同，不能直接相减。模型差异另以随机重排作为参照，并校正多次比较。品牌距离与模型比较属于事后探索，仍需独立样本复验。
模型接口分别为 doubao-seed-2-0-pro-260215、qwen3.8-max-0902、hy3、ernie-5.1，温度均为 1.0。结果限于本次版本、设置和样本。采集内容为品牌印象评分，没有测自然语言推荐与购买行为，也不用于评价品牌实力和产品质量。