同一个问题问两遍，答案不一样，大多数时候不是模型坏了，也不是你问错了。聊天模型回答时会在多个合理说法里取舍，措辞、例子、详略都会浮动；再加上模型版本、对话上下文和联网状态的变化，两次答案出现差别是常态。真正需要警惕的，是事实本身前后矛盾，或者引用的来源根本不存在。先把“措辞不一样”和“事实不一样”分开，再决定要不要追问。
先分清三种“不一样”
第一种是说法不一样、意思一样。比如问“怎么选第一台相机”，一次先讲预算，一次先讲用途，结论都是先定用途再看预算，这种差别不用纠结，挑讲得更清楚的那份用就可以。第二种是侧重不一样：一次给了三种方案，一次只展开了一种，原因是你前面的追问把话题带偏了，或者对话变长后模型把注意力放在了最近几句上。第三种是事实不一样：日期、价格、规则、步骤出现冲突，或者两次给出的“官方说法”互相打架，这种差别不能靠感觉选，必须核对。
还有一种差别来自你看不见的变化。同一款产品可能在不同时间用不同模型回答，默认模型更新了、你手动换了模型、开了深度思考或联网搜索，答案的风格和依据都会变。联网搜索还会把新信息带进来，同一问题在不同日期问，答案理应不同。把这些变量记下来，对比才有意义，否则你比较的其实是两组不同条件下的回答。
这样对比才有意义
想认真比较，先把条件固定下来。开一个新对话，用同一个模型，把问题原样粘贴进去，不要在两轮之间加“再详细一点”之类的补充，因为补充本身就改变了问题。要求模型用固定结构回答，例如“先给结论，再列三点理由，最后注明不确定的地方”，结构固定后，差别会集中在内容上，更容易看出来。
事实类问题要让模型交出可核对的东西：具体来源、发布日期、适用范围。问“2026 年某项政策改成什么样了”，就要求它写明依据哪份文件、哪一条，生效日期是哪天。如果它只给结论不给来源，或者来源链接打不开、标题对不上，就不要采用。观点类和选型类问题则要先定标准再比较：预算多少、给谁用、不能接受什么，标准相同，两个答案的取舍才看得清。
对比时留一份记录也很有用。把两次回答的关键点并排记下来，标出冲突处和各自的依据，再针对冲突处单独追问一句：“你刚才说 A，现在说 B，哪个为准，依据是什么？”一次只问一个冲突点，模型更容易正面回答，而不是用一段新话把两个说法都圆过去。
想让答案稳定，问法要先收紧
问法越宽，浮动越大。“帮我写个方案”可以有几十种写法，“帮我写一份给 20 人小团队的周会方案，时长 30 分钟，包含上周复盘和本周分工”就收窄得多。收紧的办法是给齐四个要素：对象是谁、场景是什么、输出什么形式、不能接受什么。要素给齐后，再问一遍，答案的骨架会稳定很多。
另外，给模型一个可复用的判断框架，比反复追问细节更省事。比如选工具时先定“预算上限、必须支持导出、团队三人以内”三条硬标准，再让它按标准打分；写文案时先定“面向新手、语气平实、不超过 300 字”，再让它动笔。标准写进问题里，模型每次都会围绕同一套尺子回答，换对话重问，差别也会小得多。
遇到事实冲突，别选顺眼的那个
两个答案在事实上打架时，先看依据的层级。官方文档、官方公告、原始数据优先于模型的转述；写明日期和适用范围的说法，优先于含糊的“一般来说”。如果两个答案都声称有官方依据，就打开来源核对原文，重点看标题、日期和关键数字是否一致。来源核对不上的答案，哪怕写得再肯定，也先放一边。
还有一类冲突来自时效：规则改了，旧答案没错，新答案也没错，只是生效时间不同。这时要问清“这个说法从哪天起适用”，并在自己的记录里写上日期。涉及钱、合同、考试、签证这类后果较重的事，不要只问模型，直接到官方渠道再确认一次。模型能帮你缩小核对范围，但不能替官方背书。
如果同一问题在同一条件下反复出现完全相反的事实回答，那就不是浮动，而是这道题超出了模型的可靠范围。换一种问法：把大问题拆成小问题，先确认每个小事实，再拼结论；或者改用联网搜索，看原始网页怎么写。拆小之后仍然互相矛盾，就以官方来源为准，模型答案只作参考。
