Эволюция запросов к ChatGPT для генерации изображений

Исследователь поисковой оптимизации для ИИ опубликовал разбор того, как ChatGPT эволюционирует в выборе источников при ответах на вопросы, и объяснил, какой смысл просить ChatGPT создавать запросы для генерации картинок и текстов, если сама модель уже научилась строить сложные цепочки подзапросов с поисковыми операторами, фильтруя некачественные сайты ещё до формирования ответа.

Речь не о визуальной генерации, а о механике так называемых fan-out queries (веерных подзапросов), когда ChatGPT разбирает ваш промпт (prompt, текстовый запрос к модели) на набор фоновых поисковых запросов, прогоняет их параллельно через поисковики и внутренний индекс, а затем собирает ответ из найденного. По сути, модель сама занимается промпт-инжинирингом (prompt engineering, искусство формулировать запросы к модели так, чтобы получить нужный результат), но уже на уровне поиска источников.

Что меняется в поисковом поведении ChatGPT?

• ChatGPT не ищет в интернете каждый раз. Если ответ есть в обучающих данных (training data, массив текстов, на которых модель училась), модель отвечает без обращения к сети. Бесплатные и дешёвые тарифы чаще полагаются на память модели, потому что это дешевле для OpenAI.

• Когда нужна свежая информация, включается RAG. RAG (retrieval-augmented generation, генерация с дополнением из внешних источников) означает, что модель идёт в поисковик, забирает страницы и строит ответ на их основе. ChatGPT использует и внешние поисковые системы, и собственный внутренний индекс под названием Labrador.

• Модель сама строит десятки подзапросов. Ваш единственный промпт она разбивает на набор фоновых запросов (fan-out queries), запускает их параллельно и синтезирует ответ из результатов. Это и есть «веерный поиск».

• Оператор site: используется всё активнее. ChatGPT вставляет в подзапросы конструкции вроде site:reddit.com или слово «official», чтобы сузить поиск до конкретных площадок, которые модель считает надёжными. По мнению автора исследования, это напоминает подход Google с оценкой E-E-A-T (экспертность, опыт, авторитетность, доверие), но реализованный средствами ChatGPT.

• «Найдено» и «процитировано» движутся в разных направлениях. Количество страниц, которые ChatGPT находит и просматривает (retrieved), растёт. Количество уникальных доменов, которые попадают в финальный ответ как ссылки (cited), по независимым замерам падает. Модель рассматривает больше источников, но ссылается на меньшее число сайтов.

• Бесплатные пользователи видят другое поведение. Версия ChatGPT 5.6 существует в нескольких вариантах: Sol (стандартная) и Luna (облегчённая, ставшая дефолтом для бесплатного тарифа). По данным Оливье де Сегонзака в издании Search Engine Land, более 90% еженедельных пользователей ChatGPT сидят на бесплатном плане. Значит, именно поведение Luna при поиске определяет, какие сайты попадают в ответы для подавляющего большинства.

Как это проверить самому?

1. Установите бесплатный плагин Resoneo для Chrome или FanoutFox. Оба показывают, какие подзапросы ChatGPT формирует в реальном времени и какие источники подтягивает.

2. Задайте ChatGPT вопрос, требующий свежих данных (например, «какие нейросети для генерации изображений лучше всего работают в июле 2025»). Откройте панель плагина и посмотрите список fan-out запросов.

3. Обратите внимание на наличие оператора site: и слова «official» в подзапросах. Это покажет, какие площадки модель считает авторитетными для вашей темы.

4. Сравните список найденных (retrieved) страниц со списком процитированных (cited). Разница покажет, сколько контента модель отбраковывает.

Что с этим делать в России?

Для российских авторов и маркетологов ситуация двоякая. ChatGPT пока остаётся менее доступным в РФ, чем локальные модели. YandexGPT и GigaChat тоже используют поиск для ответов, но механика их веерных запросов публично не описана, а операторы типа site: в открытых разборах не зафиксированы.

Однако принцип универсален: если ИИ-модель выбирает источники по признаку авторитетности домена, наличию слова «official» и привязке к конкретным площадкам, это сигнал для любого, кто хочет, чтобы его контент попадал в ответы ИИ-поиска, неважно, ChatGPT это или будущий поисковый агент от Яндекса.

Какой смысл просить ChatGPT создавать запросы для генерации картинок и текстов, если модель сама строит запросы?

Смысл остаётся, но меняется. Раньше промпт-инжиниринг был про то, как сформулировать запрос для модели. Теперь появился второй слой: понимание того, какие подзапросы модель сама генерирует для поиска источников. Для SEO-специалиста и контент-автора это означает, что оптимизация под ИИ-поиск требует не только хорошего контента, но и присутствия на площадках, которые модель выбирает через site:.

Кому что делать прямо сейчас?

Авторам на Дзене. Проверьте, цитирует ли ChatGPT ваши статьи. Задайте модели вопрос по вашей теме и посмотрите, откуда она берёт информацию. Если ваш домен не попадает в fan-out запросы, модель вас не видит.

Маркетологам. Убедитесь, что у бренда есть страницы на площадках, которые ChatGPT считает авторитетными: официальный сайт с пометкой «official» в метаданных, профили на крупных форумах, упоминания в отраслевых изданиях.

Предпринимателям в РФ. Пока внутренняя механика YandexGPT и GigaChat закрыта, ориентируйтесь на логику ChatGPT как на модель поведения. Если ваш сайт не индексируется западными поисковиками, он не попадёт и в веерные подзапросы ChatGPT. Для локального рынка следите за обновлениями Яндекса по ИИ-поиску.

Часто задаваемые вопросы

Что такое fan-out queries и зачем за ними следить?

Fan-out queries (веерные подзапросы) — это фоновые поисковые запросы, которые ChatGPT автоматически создаёт из вашего промпта. Модель разбивает один вопрос на десятки мелких, ищет по ним ответы параллельно и склеивает результат. Следить за ними полезно, потому что именно эти подзапросы определяют, какие сайты и страницы попадут в ответ, а какие модель даже не увидит.

Влияет ли оператор site: на то, попадёт ли мой контент в ответ ChatGPT?

По данным исследования, да. Когда ChatGPT добавляет site:reddit.com или site: конкретного издания в свой подзапрос, он ограничивает поиск этой площадкой. Если ваш домен не входит в число тех, которые модель выбирает для site:-запросов, ваш контент не попадёт в выборку, даже если он качественный и релевантный.

Работает ли эта механика в YandexGPT и GigaChat?

Публичных разборов веерных подзапросов для российских моделей пока нет. Яндекс и Сбер не раскрывают, как их модели выбирают источники при генерации ответов с поиском. Но сам принцип приоритета авторитетных площадок, скорее всего, универсален для любой модели с RAG.