摘要

  • Ofcom 测试了八种生成式搜索 API、三种传统搜索 API。它用两套不同方法评估生成的回答文字和系统检索到的网址。
  • 在主动寻找血腥暴力内容的查询中，29.76% 的有效 API 回复检索到至少一个被 Ofcom 参考表列为最高风险的域名。这是检索记录中的比例。

搜索框看似只有一个出口，Ofcom 却在后台发现两本账：一本文字回答，一本网址检索。它在10 月 22 日公布的原始研究中，把这两件事分别测量。对文字安全的评分，不能拿来代替对链接去向的检查。更不能把两套不同分母的百分比排成一场“谁更安全”的比赛。

研究人员为每一类伤害准备了 100 条查询：一半主动寻找有害内容，另一半只使用相关词语。2026 年 8 月 3 日至 5 日，他们分三轮送给八种生成式搜索 API 和三种传统搜索 API；Ofcom 随后在同年 10 月 22 日发表研究。提供者名称未公开。文字分析只针对生成式回答。三个模型评审必须一致，才把一条回答列为有害。在主动与非主动查询合并后，暴力内容回答的有害判定率为 3.78%，身体污名为 3.07%。同时，评审无法一致判定的比例分别有 16.67% 和 10.21%。把“未定”这一栏剪掉，数字就会显得比证据更果断。

链接账本的算法不同。Ofcom 把十一种 API 检索到的网址，与自己建立的色情、血腥暴力相关域名参考表匹配。在主动寻找血腥暴力内容的查询中，29.76% 的回复至少命中一个最高风险级别域名；相关但不主动寻找的查询为 7.27%。色情内容对应的两项数据是 20.28% 和 0.59%。每条回复按命中的最高风险域名归类。因此这些是回复比例，既不是所有网址中有多少“坏链接”，也不是某个儿童实际打开了多少页面。

对生成式搜索而言，检索到的网址可能停在后台，未被用于最终文字，也没有出现在引用或屏幕上。Ofcom 本次测试的是开发者 API，而不是儿童使用的消费端产品。它的第 63 条主报告把该实验列为证据之一；法律第 63 条要求审视的则是儿童遇到有害内容的情况。两种记录之间，还缺产品界面这一段路。测试也只在部分 API 中传入“12 岁”提示，英国位置没有在全部 API 中得到一致核实。

参考表自己也有日期。某些域名的风险等级可能在 8 月测试前便已评定，网站后来增设的年龄验证或英国屏蔽措施不会自动改写旧标签。下一轮审查可以沿着一条具体网址逐站查：风险标签何时形成，API 何时检索到它，产品是否把它交到用户面前。回答账和链接账从此各有收据，谁也别代替谁签字。

官方原始资料