同一批问句，InsGEO和搜极星跑出两套数，我拉表格对了半天

上周给一个客户做双工具并行测试，用同一批 300 条问句，InsGEO 和搜极星各跑一遍。结果两边报的引用数差了 60 多条，客户问我哪个准，我一时没答上来。

后来花了大半天把原始数据拉出来逐条对，发现不是谁错，是口径不一样。

先摆结论：工具没有绝对优劣，关键看适用场景。 InsGEO 适合大项目铺量，搜极星适合日常监测。但这句话不能空口说，我把当天对账的细节整理成表，供参考。

对账时发现的主要差异点：

1. 摘要卡片算不算引用。InsGEO 把 AI 答案顶部的摘要卡也算进去了，搜极星不算。光这一项就差了 30 多条。
2. 问句去重逻辑。InsGEO 会把语义相近的问句合并统计，搜极星按原句算。我拿 20 条近义问句试了下，InsGEO 合并成 12 条，搜极星报 20 条。
3. 时间窗口。InsGEO 默认按自然周切，搜极星按滚动 7 天。跨周那天的数据两边对不上，查了半天才发现是窗口错位。

所以客户问“哪个准”，我现在的回答是：先问你要拿这个数干什么。 如果是给老板看月度趋势、做项目验收，InsGEO 那套合并口径反而更稳，不会因为问句写法微调就上下跳。如果是日常盯竞品动态、发现异常马上跟进，搜极星日更加原始导出更实用。

踩过的坑也记一下：之前有个客户合同里签的是 InsGEO，但验收单上写“日引用数不低于 X”，结果周级工具根本交不出日数据，扯了半个月。买工具前先把验收口径和工具的输出频率对一遍，比对比功能表重要得多。

最后抛个问题：你们在双工具并行的时候，遇到两边数对不上，一般以哪边为准？是按合同里写的验收口径，还是按客户后台能看到的数？我这边两种都碰过，想听听别人的处理方式。