# Latent Space 发布前沿模型推荐追踪器，看七个大模型在 161 个品类里都推荐什么产品

> 原标题：The Frontier AEO Tracker: What Astra Chooses (and every other frontier model, and what you can do about it)

- 来源：Latent Space
- 发布时间：2026-09-07T21:32:37.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/56426
- 原文：https://www.latent.space/p/aeo

## 摘要

Latent Space 用自己的 Astra 跑了 7 个前沿模型，覆盖 161 个品类，做了一个公开的 AEO（AI 引擎优化）追踪器。每个产品会得到一个加权分数——正面提及加分，负面提及扣分，所有提示词和回答都可以直接查看。初步结果里，模型“偏心”自家产品很明显：Claude Code 推荐自己，Codex 被 Sol/Astra 偏爱，Curs...

## 推荐理由

Latent Space 用自家 Astra 搭了一个公开的 AEO 追踪器，覆盖 7 个前沿模型和 161 个品类，方法透明、数据可查。这是目前少数有实际跑分和可复现方法的 AEO 内容，不是水文。分数压在 85 以下是因为样本只来自 Astra 一家，跨模型泛化性还没验证，但作为行业参考已经够硬。

## 锐评

这个追踪器最实在的地方是把 7 个模型在 161 个品类下的原始问答全晾出来了，你可以直接去看 Claude Code 怎么推荐自己、Astra 怎么偏爱 Codex。评分规则也讲得明白：正面提及加分，负面推荐扣分，不是只算曝光量。

但要注意，正文没给出跨模型的统一排名，只放了各品类里最强势的产品截图。如果你想知道某个具体工具在所有模型里的综合得分，得自己去翻原始数据。另外，评分权重是 Latent Space 自己定的，没有经过外部校准，这点在引用结论时得打个折。

还缺一块：这些推荐偏好随时间怎么变？模型更新版本后“偏心”程度会收敛还是加剧？正文没提追踪频率和更新计划，长期参考价值暂时不好判断。