一个让我半夜爬起来看代码的帖子
昨天凌晨刷Hacker News，看到一个帖子标题写着「Meta's Muse appears to use an OpenAI model labeled muse-special」。我第一反应是：又有人来碰瓷了？Meta自己有大名鼎鼎的Llama系列，犯得着去蹭OpenAI？
但点进去看了几页讨论，我坐直了。发帖人不是那种只会喊口号的AI喷子，他贴了一些请求返回的元数据，里面赫然出现了一个模型标识符：`muse-special`。这玩意儿不是Meta公开的任何模型命名规则。更微妙的是，有几个人在评论区说自己也复现了类似的结果。
当然，现在没有任何官方确认。Meta没说话，OpenAI也没说话。我写这篇文章的时候，这件事还停留在「社区发现」的阶段。但作为一个在SEO和GEO领域摸爬滚打的老站长，我觉得这事值得聊——不是聊八卦，而是聊它背后那个让所有做内容的人后背发凉的可能性：你优化的那个AI搜索入口，底层跑的到底是谁的模型？
这直接关系到我们每天在琢磨的GEO策略到底有没有用。
Meta的Muse用OpenAI模型？为什么这事对GEO从业者不是八卦
Muse是Meta在AI搜索和助手方向的一个尝试，核心逻辑是：用户问问题，它去网上找答案，然后生成回复。这跟Perplexity、跟Google的AI Overviews、跟OpenAI的SearchGPT，是一个赛道。
而GEO（生成引擎优化）干的事，就是让你的内容在这些AI搜索里被引用、被推荐。你写一篇文章，AI搜索抓取、理解、然后决定要不要在回答里提你一嘴。这个决定权，在模型手里。
现在问题来了：如果Muse底层用的是OpenAI的模型，那你针对Muse做的GEO优化，实际上是在优化OpenAI模型的偏好。
这听起来好像没什么？不，差别大了。
不同模型对内容的偏好不一样。普林斯顿大学2024年的论文「GEO: Generative Engine Optimization」发现，在生成引擎中，内容的引用来源、统计数据、权威引述对可见度的影响，在不同模型架构下差异显著。有些模型更吃权威引用，有些更吃结构化数据，有些对新鲜度极度敏感。
你辛辛苦苦针对Llama的偏好优化了三个月，结果人家底层跑的是GPT-4o的变体，你的优化方向可能从一开始就偏了。
更让人头疼的是，如果Meta真的在Muse里混用了OpenAI的模型，那意味着AI搜索的底层模型供应链比我们想象的更不透明。你根本不知道你的内容在被哪个模型评判。
大厂互相套壳，这事有多普遍？
我不想把话说死，因为目前只有社区发现，没有实锤。但「模型套壳」这件事在行业里不是新鲜事。
一个公开的秘密是：很多标榜「自研大模型」的产品，底层要么是微调的开源模型，要么是调用的第三方API。据Gartner 2024年发布的一份关于生成式AI市场的分析，超过60%的企业级AI应用在某种程度上依赖第三方基础模型，而非完全自研。这个数字我当时看到就觉得，水太深了。
Meta自己肯定有Llama，但Llama和OpenAI的模型在能力上各有侧重。如果Muse在某些场景下需要更强的推理或多语言能力，临时调用OpenAI的模型，从工程角度不是不可能。
但这对我们做GEO的人意味着什么？
意味着你不能再假设「这个AI搜索用的是这家公司的模型」。你得开始考虑：同一个AI搜索产品，不同查询、不同地区、不同时间，底层模型可能不一样。
这直接动摇了GEO的一个基础假设：模型是稳定的，优化策略可以积累。
你的GEO策略可能一直在对空气打拳
我举个具体的例子。
假设你运营一个跨境电商独立站，卖户外装备。你针对AI搜索做了大量优化：产品页面加了详细的规格参数、写了大量对比评测、在Reddit和Quora上做了问答布局。
如果AI搜索底层是Llama，它可能更看重你页面上的结构化数据和技术标记。如果底层是OpenAI的模型，它可能更看重你的内容在第三方权威站点的提及和引用。
你的优化精力是有限的。你不可能同时针对五个模型做五套策略。
据Ahrefs在2024年的一项关于AI搜索流量趋势的研究，已经有超过30%的网站主表示他们开始针对AI搜索进行专门优化，但其中大多数人并不知道自己的内容实际被哪个模型处理。这个数据来自Ahrefs对数千个网站的调研，我觉得真实情况可能更糟。
所以当Meta's Muse appears to use an OpenAI model labeled muse-special这件事出来的时候，我的反应不是「Meta居然干这种事」，而是「完了，我之前针对Muse做的那套优化可能白做了」。
当然，我没有真的针对Muse做优化，因为Muse还没大到值得单独优化的程度。但那些已经投入资源的人呢？
作为站长，我现在会怎么做？
抱怨没用，得想对策。
别再猜模型了，猜不过来
放弃针对特定模型做优化的幻想。模型的迭代速度太快了。今天Muse用GPT-4o，明天可能换成Llama 4，后天可能自研了一个新模型。你追不上的。
你应该做的是回归内容本身的质量信号，那些跨模型都管用的东西：
这些策略不依赖特定模型，是GEO的「底层资产」。
多模型测试，别只盯一个入口
我现在会做的一件事是：用同一组问题，去不同的AI搜索入口测试，看我的内容在哪些入口被引用。
Perplexity、Google AI Overviews、ChatGPT Search、Meta Muse（如果你能用的话），每个都试。
如果发现某个入口对你的内容引用率特别低，而其他入口都正常，那可能说明这个入口的底层模型对你的内容类型不友好。这时候你可以选择放弃这个入口，把精力放在回报更高的地方。
这不是什么高深的技术，就是笨办法。但据我观察，大多数站长连这个笨办法都没做。
关注模型标识符，但别过度解读
如果你懂技术，可以在请求返回里看看有没有模型标识符。像这次muse-special被发现一样，有时候能挖出一些信息。
但别过度解读。一个标识符不能说明全部问题。Meta可能在测试、可能在AB、可能只是在某个边缘场景用了OpenAI的模型。这不代表Muse整体就是OpenAI套壳。
我写这篇文章的时候，Meta's Muse appears to use an OpenAI model labeled muse-special这件事还没有官方回应。我的判断是：即使是真的，大概率也是局部场景的工程选择，不是战略级的套壳。
但这件事的价值不在于真相是什么，而在于它提醒了我们：GEO这个领域，底层的黑盒比我们愿意承认的要多。
常见问题
Q: Meta's Muse用OpenAI模型这件事被证实了吗？
截至我写这篇文章的时候，没有被证实。目前只有Hacker News上的社区发现和一些用户的复现报告，Meta和OpenAI都没有官方回应。那个`muse-special`标识符到底代表什么，是OpenAI的模型还是Meta内部的一个代号，还不确定。我建议把它当作一个「值得关注的信号」而不是「既定事实」。
Q: 如果Muse真的用了OpenAI的模型，我的GEO优化要推倒重来吗？
不用。跨模型通用的GEO策略——比如带来源的数据、清晰的问答结构、权威站点的提及——在任何模型下都有效。你需要调整的是那些针对特定模型偏好的精细化操作。先确保你的内容在基础层面是扎实的，再考虑模型层面的微调。
Q: 我怎么知道我的内容被哪个AI搜索的哪个模型引用了？
坦白说，很难精确知道。你能做的是：用同一组问题在不同AI搜索入口测试，看你的内容在哪些入口被引用。如果某个入口的引用率持续异常，那可能跟底层模型有关。另外，如果你有技术能力，可以看请求返回的元数据里有没有模型标识符，但这不保证每个产品都会暴露。
Q: 这件事对做外贸独立站的站长有什么具体影响？
如果你依赖AI搜索获取流量，影响是直接的。你需要开始考虑：你的目标用户在用哪个AI搜索？那个搜索底层可能是什么模型？你的内容在那个模型下的表现如何？我的建议是，先别慌，用两周时间做一轮多入口测试，看看你的内容在Perplexity、Google AI Overviews和ChatGPT Search里的引用情况，再决定要不要调整策略。
Q: muse-special这个标识符到底是什么意思？
目前没有官方解释。从命名习惯看，`muse-special`可能是Meta内部对Muse产品某个特定模型变体的代号，也可能是调用OpenAI模型时的一个自定义标识。有社区成员猜测它可能是GPT-4系列的一个微调版本，但这只是猜测。在没有官方信息之前，不建议基于这个标识符做任何重大决策。
参考来源
> 本文类型：趋势型
关于云丝路
云丝路（yunsilu.net）是一个关注SEO与GEO实战的技术博客。我们不追热点，但热点来了也不躲。这里写的东西都是自己踩过坑、试过水之后的大实话，不保证正确，但保证真实。
常见问题
Q1: Meta的Muse被发现在用OpenAI的模型，具体证据是什么？
发帖人在Hacker News上贴出了请求返回的元数据，其中出现了一个模型标识符 `muse-special`，这个命名不符合Meta任何公开模型的命名规则。评论区有几个人表示自己也复现了类似的结果，但Meta和OpenAI均未官方确认。
Q2: 如果Muse底层跑的是OpenAI的模型，对做GEO策略的人有什么影响？
这意味着你针对Muse做的GEO优化，实际上可能是在优化OpenAI模型的内容抓取和生成逻辑，而非Meta自研模型的逻辑。文章指出这直接关系到GEO策略到底有没有用，因为不同模型对内容的选取、引用和生成方式可能完全不同。
Q3: Muse和Perplexity、Google AI Overviews在逻辑上有什么相似之处？
Muse的核心逻辑与Perplexity和Google AI Overviews类似：用户提问后，系统去网上找答案，然后生成回复。文章将Muse定位为Meta在AI搜索和助手方向的尝试，与这些AI搜索入口属于同一类产品形态。