Независимый исследователь провёл замер ИИ-видимости локального бизнеса, задав четырём поисковым системам на основе больших языковых моделей одинаковые бытовые запросы: вызов сантехника, электрика, услуги «муж на час» и сборка мебели. Тестирование проходило в один день для двух городов — Москвы и Иркутска, причём город передавался через параметр локации API, а не в тексте запроса. В результате свежая версия Gemini 3.6 Flash нашла 13 сайтов, из которых восемь были иркутскими, тогда как DeepSeek V4 Flash выдал 29 источников, но ни одного местного, зато одиннадцать доменов из Одессы, Киева и Минска. Предыдущее поколение тех же моделей показало 42 сайта и снова ноль иркутских, что подтверждает серьёзные изменения в алгоритмах за короткий срок. Этот эксперимент стал продолжением более раннего исследования, в котором семь ИИ-поисковиков не дали ни одного общего источника на один вопрос, а три модели разных разработчиков выдали дословно совпадающие списки из-за общего плагина веб-поиска.

Методика исследования заключалась в анализе доменов, которые движки цитировали в ответах, с использованием коэффициента Жаккара для оценки пересечения списков. В прошлом разборе автор обнаружил, что семь ИИ-поисковиков не дают ни одного общего источника на один вопрос, а три модели разных разработчиков выдают дословно совпадающие списки из-за общего плагина веб-поиска. Однако при проверке на свежих версиях выяснилось, что картина изменилась: коэффициент Жаккара между DeepSeek V4 и Gemini 3.6 составил всего 0.02, а между Gemini и GLM 5.2 — тоже 0.02, что означает почти полное отсутствие пересечений. Причина в том, что Gemini перешла на собственный поисковый механизм grounding, выдавая ссылки через обёртки vertexaisearch.cloud.google.com, тогда как DeepSeek и GLM продолжают использовать общий плагин, сохраняя пересечение на уровне 0.35. Это важное техническое различие: если не разворачивать редиректы, свежая Gemini выглядит так, будто процитировала лишь один сайт — google, и только после ручного перехода по ссылкам становятся видны реальные источники.

Ключевой проблемой стала локализация: свежая Gemini показала результат, сопоставимый с Яндексом, коэффициент реакции на город у неё составил 0.14, тогда как у GLM — 0.61, что означает, что две трети ответа GLM не зависят от города. DeepSeek V4 занял промежуточное положение с показателем 0.33. При этом у DeepSeek на запрос про Иркутск были процитированы исключительно зарубежные домены, такие как housemaster.od.ua, servis044.kiev.ua и своймастер.бел, что делает его бесполезным для локального бизнеса в российских регионах. Исследователь отмечает, что разворачивание редиректов у Gemini показало, что за обёртками скрываются живые адреса, и только после этого удалось увидеть реальные источники. Для сравнения, агрегаторы, такие как Профи, Авито, Яндекс Услуги, YouDo, 2ГИС и Зун, стабильно занимают значительную долю ответов: в Яндексе они забирают от трети до половины ссылок, а у моделей с плагинным и гугловым поиском — от шестой до четверти. Причём в регионах перекос усиливается: в Иркутске больше половины ссылок уходит площадкам-посредникам, где мастер платит за лид.

Особую тревогу вызывает скорость устаревания результатов: замеры, сделанные на прошлом поколении моделей, теряют актуальность в течение суток. Совпадение между поколениями на одинаковых запросах составило всего 0.31 по Иркутску и 0.25 по Москве, то есть три четверти состава ответа обновились за один цикл развития моделей. Это ставит под сомнение любые долгосрочные выводы об ИИ-видимости, поскольку вывод, сделанный в августе, уже не соответствует реальности в сентябре. Автор признаёт, что его собственный предыдущий прогон, показавший отсутствие иркутских сайтов у западных корпусов, был верен для того прибора, но протух вместе с ним. Такая динамика создаёт серьёзные вызовы для SEO-специалистов и маркетологов, которые пытаются выстраивать стратегии продвижения в ИИ-выдаче: любые рекомендации, основанные на устаревших данных, могут оказаться бесполезными или даже вредными.

Для российского рынка эти результаты имеют прямое практическое значение. Предпринимателям, которые полагаются на поисковый трафик из ИИ-ассистентов, необходимо понимать, что оптимизация под один движок не гарантирует успеха в другом, а обновления моделей могут полностью изменить картину за несколько дней. Специалисты по SEO, предлагающие услуги по продвижению в ИИ-выдаче, должны указывать, под какую модель и какого поколения они оптимизируют, иначе их рекомендации могут быть бесполезны. При этом для Яндекса по-прежнему важно наличие карточек в справочниках и профилей на агрегаторах, тогда как для свежих западных моделей локальные сайты с уникальным контентом имеют преимущество. Судя по данным, свежая Gemini локализует запросы так же хорошо, как Яндекс, что открывает новые возможности для региональных бизнесов, но только при условии, что их сайты технически доступны для краулинга и содержат релевантные локальные сигналы.

В перспективе остаётся открытым вопрос о стабильности алгоритмов: если каждое обновление модели приводит к столь радикальным изменениям в выдаче, то любые долгосрочные стратегии продвижения становятся рискованными. Возможно, разработчики будут стремиться к большей консистентности, но пока наблюдается обратная тенденция. Для исследователей и маркетологов это означает необходимость постоянного мониторинга и адаптации, а также разработки более надёжных методик оценки, учитывающих версии моделей. Пока же можно констатировать, что единого «попадания в ИИ-выдачу» не существует ни между движками, ни между поколениями одного движка, что делает эту область крайне динамичной и непредсказуемой. В таких условиях бизнесу стоит сосредоточиться на базовых принципах: качественный контент, локальная оптимизация и присутствие на агрегаторах, — а не гнаться за конкретными моделями, которые могут устареть уже завтра.