新加坡国立大学与西安交通大学研究人员于10月11日发布的预印本论文显示，在GPT-5.5 Instant测试中，Google搜索结果与OpenAI Responses API仅能覆盖ChatGPT引用页面的26.2%，但匹配被引用网站的比例达48.7%。该研究基于2026年3月至7月的数据，对比了四个版本ChatGPT与外部搜索工具的结果差异。
研究方法与数据采集
研究人员通过记录已登录会话的数据流，追踪ChatGPT Web应用在生成回答时的搜索行为及来源选择逻辑。只要页面被选为来源（含单独链接或分组引用），即视为有效引用。
实验选取Search Arena数据库中的80个真实交互问题（中英文各40个），涵盖推荐、事实查询、信息综合与分析四类请求。GPT-5.3 Instant和GPT-5.5 Instant各执行20次测试；GPT-5.2 Instant和GPT-5.4 Thinking因停用测试量较少。
作为对照，研究人员通过SerpAPI获取每个问题的Google自然搜索前五页结果（平均约43条），并通过OpenAI Responses API向gpt-5.3-chat-latest和gpt-5.5发送20次网络搜索查询。所有对照操作均在ChatGPT相同查询后的三天内完成。
替代来源的网站匹配率高于页面
数据显示，Google与API组合结果对GPT-5.3 Instant和GPT-5.5 Instant的引用页面匹配率分别为28.3%和26.2%，但对被引用网站的匹配率分别高达50.3%和48.7%。
细分来看，仅Google搜索结果匹配了9.4%至6.4%的引用页面及26.1%至22.8%的被引网站；API全部来源列表覆盖了22.9%至22.5%的引用页面。值得注意的是，GPT-5.5 Instant引用了API所引页面的23.3%，显著高于GPT-5.3 Instant的16.4%，表明新版模型与API结果的关联性更强。
查询重写与结果不稳定性
研究发现，ChatGPT在使用外部搜索时几乎从不使用原始提示词。除GPT-5.2 Instant有5.5%的情况外，GPT-5.3 Instant和GPT-5.5 Instant均将查询转换为特定搜索词。且在中文问题测试中，两款模型分别有67.0%和69.6%的运行仅使用了英语进行搜索。
测试结果存在显著波动。在20次运行中，GPT-5.5 Instant和GPT-5.3 Instant返回的独特页面中，分别有44.5%和40.8%仅在单次运行中出现。虽然高频出现的页面被引用概率更高，但这并不意味着引用决策完全取决于出现频率。此前CiteChoice研究也指出，重复输入会导致15%的引用决策发生翻转。
对SEO监控策略的影响
由于ChatGPT引用的具体页面与外部搜索结果不完全一致，基于API或Google排名的传统测试方法会高估网站层面的可见性，而低估页面层面的精准度。
作者建议优化监控策略：同时在网页和网站层面进行监测；多次运行同一提示词以捕捉波动；充分考虑ChatGPT对提示词的改写机制；并明确区分跟踪工具是基于API数据还是Web应用数据进行比对。
模型迭代带来的挑战
本研究数据反映的是3月至7月期间的模型表现。随着GPT-5.6 Luna成为免费用户默认选项，以及GPT-6逐步向付费用户推送，监控基准需动态调整。历史数据显示，模型更新期间ChatGPT引用的逐日变化幅度可从常规的1%-2%飙升至47%。因此，在新一代模型发布前后重新评估监控策略至关重要。