會標註來源的網路搜尋，每一款模型都有

一款不肯告訴你它從哪裡拿到資訊的模型，是一款你得親手覆核的模型，那就表示它根本沒幫你省到工。我們把網路搜尋當成模型在需要新鮮或可驗證資訊時才呼叫的工具 — 而且我們讓它每一次都把過程攤出來給你看。

搜尋是工具，不是模式

你不必去撥一個「搜尋模式」的開關。你照常問你的問題，由模型自己決定是否需要查點什麼。問 Claude 上一季的數字，它會搜尋。叫 GPT-5.5 摘要一場還在發展中的辯論，它會搜尋。問它們任何不受時間影響的東西，它就直接從已知作答，不浪費一趟來回。

這之所以要緊，是因為模型握有上下文，知道自己什麼時候過時了。一個獨立的搜尋框不知道。剛讀過你最近三則訊息的那款模型，要判斷某個說法是否需要佐證，遠比你在還沒看到答案之前要更有立場。

每一條主張，每一個 URL

當模型用了搜尋，答案會帶著行內引用回來 — 是支撐特定主張的特定來源，而不是底部那一塊籠統的「這裡有些連結」。把游標移到引用上，你就看到它出自哪一頁。不同意那個結論？點開連結，兩秒鐘自己去查第一手來源。

重點不是讓模型看起來權威。恰恰相反：是讓模型可被查核。一個你能驗證的有佐證答案，勝過一個你無法驗證的有把握答案 — 就算那個有把握的剛好是對的。

為什麼它在每一款模型上都管用

因為搜尋是一個共用的工具，而不是烤進某一家供應商裡的功能，所以無論你是在跟 GPT、Claude、Gemini 還是 Grok 對話，你得到的都是同樣帶來源的行為。模型挑何時呼叫它；studio 跑搜尋並把結果餵回去；不論是誰在作答，引用都以同樣的方式呈現。

那份一致性，是一個多供應商 studio 的安靜紅利。你不必去學四套各有各怪癖的「搜尋體驗」。你學一套，它就跟著你橫跨你分支到的每一款模型。

它特別擅長的幾件事

• 任何時效性的東西。 價格、發布、賽事排名、「這週發生了什麼」。模型會自動伸手去搜尋，你拿到的是一個有日期、有來源的答案，而不是一個過時的猜測。
• 查核另一款模型。 拿到一個聞起來不太對的答案？叫第二款模型用搜尋去驗證它。那個分歧加上來源，通常比你自己去查更快把事情定下來。
• 你之後得替它辯護的研究。 當你需要把一個答案貼進一份會被別人細究的文件時，引用會跟著一起過去。你交出去的，是一份附了憑據的論證。

含在內，而不是被計量到天荒地老

網路搜尋跑在你的訂閱上。沒有獨立的搜尋加購、沒有讓你省著問的逐次查詢計量。模型在有幫助時呼叫它，你讀那些來源，而點數的運作方式和 studio 裡其他一切都一樣。目標是讓「直接驗一下」成為你的預設直覺 — 而預設只有在沒有摩擦、也沒有第二張帳單時才會固定下來。