Google 2025年6月核心更新已正式结束。尽管外界曾预测此次为重大调整,但实际影响并未出现颠覆性变化,表明算法迭代更为精细微妙。结合近期技术动态,以下是对本次更新背后关键线索的深度解析。
两项搜索排名相关技术突破
业界普遍将2025年6月更新与MUVERA关联,但这并非全貌。近期Google在后端发布了两个值得关注的技术进展:多向量检索算法MUVERA与图基础模型(Graph Foundation Model)。
Google MUVERA:提升检索精度与效率
MUVERA是一种基于固定维度编码(FDEs)的多向量检索算法,旨在实现更精准、高效的网页检索。Google于6月25日宣布该技术,但其研究论文早在2024年5月便发布于arXiv.org,这种时间差在业内较为罕见。
从SEO角度看,MUVERA的核心价值在于优化候选页面筛选机制。它能有效剔除低相关性内容,仅保留高度精确匹配的页面,从而在不牺牲精度的前提下避免传统多向量系统的缺陷。
根据官方公告,MUVERA显著提升了召回率并降低了计算成本:FDE仅需检索比单向量启发式方法少5至20倍的候选文档即可达到同等召回率;同时支持乘积量化压缩,内存占用减少32倍且对检索质量影响微乎其微。通过将多向量搜索简化为单向量MIPS,MUVERA利用现有优化技术实现了性能与效率的双重突破。
Google图基础模型:增强关系理解能力
图基础模型(GFM)是继大语言模型后又一通用AI突破,具备跨图结构和数据集的泛化能力。该模型可对节点和边进行分类,广泛应用于垃圾邮件检测、产品推荐及链接分析等场景。
GFM于7月10日发布,已在广告垃圾邮件检测中验证了其有效性。不同于受限于训练数据的图神经网络(GNN),GFM拥有类似LLM的适应性,在处理新图结构或未见领域时表现更佳,显著提升了零样本和少样本学习能力。
测试数据显示,在涉及数十亿节点和边的复杂关系表中,GFM相比最佳调优的单表基线方法,平均精度提升达3倍至40倍。这证明图结构中的关系信号对机器学习模型的准确预测至关重要,有效弥补了传统表格方法忽略行间连接的短板。
更新实质:检索优化与权威识别并重
综合来看,本次更新很可能是MUVERA与GFM协同作用的结果。前者改进了内容检索的精准度,后者强化了对链接关系、可信度及权威性模式的识别能力,使排名系统能更准确地展示用户满意的内容。
Google官方将此定义为“常规更新”,旨在更好地呈现相关且高质量的内容。这与Search Central Live纽约活动中提及的“增加多样化高质量内容展示”方向一致。
市场反馈方面,搜索营销专家Glenn Gabe指出,部分此前受“有用内容更新”(HCU)影响的网站排名回升,但也有站点下滑。尽管数据波动明显,但社区整体反应相对平稳,未出现大规模流量震荡。这表明本次更新是一次广泛而温和的技术升级,重点在于提升相关内容分发效率及低质站点识别能力,而非单纯的流量重新分配。

