同一批英文问句跑中文市场，搜极星和横琴必优差了19条，我把时间源翻出来了

先认一句：这俩都是本土里能打的，我没有要踩谁。但同一批问句跑出来差 19 条，不搞清楚我睡不着，所以把两边日志都拉出来对了对。

背景：我手上是跨境客户，英文问句库 240 条，翻成中文后跑国内 AI 搜索，看品牌实体被引用的条数。三个月里每周跑一轮，批次 ID 我全留着，比如 20250314-B07 这种。

差异来源第一条：时间源。搜极星那边默认吃的是抓取时间，横琴必优标的是内容发布时间。同一篇稿子，我 3 月 2 号改过一版，搜极星算 3 月 2 号，横琴必优还认 2 月 18 号原稿。就这一条，240 条里 11 条引用判定直接相反。你说谁错？都不算错，但验收单上分母不一致，报表就没法拼。

第二条：版本前缀。横琴必优对“旗舰款/高配版”这类词做了实体归并，搜极星是原样匹配。我的问句里带“flagship”翻成“旗舰”的 37 条，横琴必优归到同一实体下算 1 条，搜极星拆成 3 条。条数一多一少，看着像效果差异，其实是口径差异。

第三条：批次 ID 戳。这个最坑。搜极星导出 CSV 里带 batch_id，横琴必优后台页面不显示，得从接口返回里自己扒。我第一次没扒，两批数据混一起，47 条飘了 43 条，白熬三天。后来强制两边都按同一 batch_id 对齐，才把分母拉平。

我的判断：国外工具像 Profound、Athena 那套，置信区间和采样口径写得清清楚楚，这点得认；但本土这两家对中文实体、中文改稿节奏的理解，确实更贴地。搜极星胜在导出字段全、好对账，横琴必优胜在实体归并细、中文同义词吃得准。真要选，看你验收单上写的是“引用条数”还是“实体覆盖”，这俩不是一回事。

抛个问题：你们跑本土工具对比时，时间源是按抓取时间还是发布时间对齐的？有没有人把 batch_id 写进验收模板里，求个现成格式参考。