ChatGPT, Perplexity i Gemini — różnice okiem marki

Z perspektywy marki „silniki AI” brzmią jak jedna kategoria: pytasz, dostajesz odpowiedź, w odpowiedzi ktoś jest wymieniony albo nie. W środku to jednak trzy różne maszyny, które inaczej sięgają po treść, inaczej ją cytują i inaczej rozkładają uwagę między strony marek a strony trzecie. Poniżej: mechanika każdego silnika według oficjalnej dokumentacji (stan na 27 lipca 2026 r.) oraz nasze własne dane o tym, ile źródeł faktycznie podaje każdy z nich — z 360 odpowiedzi zebranych w polskich kategoriach.

ChatGPT: model, który sam decyduje, czy szukać

W Responses API OpenAI wyszukiwanie jest narzędziem, które model może wywołać — nie obowiązkowym krokiem. Dokumentacja opisuje to wprost: po włączeniu narzędzia model „can choose to search the web based on the prompt”, a w odpowiedzi pojawia się element wywołania wyszukiwania (z akcjami typu wyszukaj, otwórz stronę, znajdź w stronie) oraz właściwa wiadomość z adnotacjami. Cytowania mają postać adnotacji url_citation: adres, tytuł i zakres znaków w tekście, których dotyczą. OpenAI nakłada przy tym obowiązek wyświetlania: „inline citations must be made clearly visible and clickable in your user interface”.

Konsekwencja dla marki jest podwójna. Po pierwsze, część odpowiedzi powstaje bez sięgania do sieci — wtedy liczy się to, co model „pamięta” o Twojej kategorii, a nie to, co dziś jest na Twojej stronie. Po drugie, gdy model już szuka, sięga po źródła oszczędnie — i tym samym o miejsce w odpowiedzi konkuruje mniej stron.

Perplexity: wyszukiwarka, która pisze odpowiedź

Tu kolejność jest odwrotna. Perplexity to produkt zbudowany wokół wyszukiwania, a odpowiedź modelu jest jego streszczeniem. Do 31 sierpnia 2026 API mówiło to wprost: w odpowiedzi były osobne pola citations — „URLs of sources used to generate the response” — oraz search_results, czyli lista wyników z tytułem, adresem, datą publikacji, datą aktualizacji i fragmentem tekstu, opisana jako „search results used for context in the response”.

To już nieaktualne i trzeba to powiedzieć bez owijania. Perplexity wygasza stare API (/chat/completions przestaje działać 27 września 2026) i przenosi ruch na /v1/agent; nasz pomiar przenieśliśmy tam 31 sierpnia 2026 i tego samego dnia sprawdziliśmy na żywo, co nowe API zwraca. Dla modelu perplexity/sonar odpowiedź nie zawiera ani znaczników [n] w treści, ani pola annotations — jedyną listą źródeł są wyniki wyszukiwania, które silnik pobrał. Praktyczny wniosek dla marki i dla każdego, kto mierzy Perplexity: z odpowiedzi nie da się dziś odczytać, na które źródła się powołała. Widać wyłącznie, co znalazła — i to dwie różne rzeczy, choć w narzędziach obie bywają nazywane „cytowaniami”.

Dla marki oznacza to najbardziej „wyszukiwarkowy” model gry: jeśli Twoja strona nie znajdzie się w wynikach wyszukiwania na dane pytanie, praktycznie nie ma szans wejść do odpowiedzi. Widoczna jest za to data — Perplexity zwraca w wynikach informację o publikacji i aktualizacji, więc świeżość treści ma tu bezpośrednie przełożenie.

Gemini: ugruntowanie w wyszukiwarce Google

Gemini korzysta z mechanizmu grounding with Google Search. Przebieg jest opisany w dokumentacji jako pięć kroków: pytanie, analiza pytania, wykonanie wyszukiwania, przetworzenie wyników i zwrot odpowiedzi z cytowaniami. W odpowiedzi API pojawia się element google_search_call zawierający zapytania, które model faktycznie wykonał, element google_search_result ze snippetem HTML do wyświetlenia podpowiedzi wyszukiwania oraz tekst z adnotacjami url_citation, wiążącymi fragment odpowiedzi (przez indeks początku i końca) z konkretnym adresem.

Najciekawszy jest tu pierwszy element: lista zapytań, które model wygenerował z Twojego pytania. To ta sama idea, którą Google opisuje jako query fan-out — jedno pytanie użytkownika staje się wiązką zapytań pobocznych, dzięki czemu, jak pisze Google, funkcje AI mogą pokazać „a wider and more diverse set of helpful links”. Marka konkuruje więc nie o jedno zapytanie, tylko o kilkanaście, których nigdy nie zobaczy.

Ile źródeł podaje każdy silnik — nasze dane

Teoria się kończy, zaczynają liczby. W edycji rankingów (lipiec 2026) zadaliśmy 60 pytań zakupowych trzem silnikom po 2 razy, co dało 360 odpowiedzi. Żadne pytanie nie wymieniało marki. Z tych odpowiedzi policzyliśmy wszystkie adresy podane jako źródła:

Zanim porównasz te liczby z nowszymi. Cytowania Perplexity zmieniły znaczenie 31 sierpnia 2026: tego dnia przenieśliśmy pomiar na nowe API Perplexity (/v1/agent — stare /chat/completions wygasa 27 września 2026), a nowe API dla modelu perplexity/sonar nie zwraca już ani znaczników [n] w treści odpowiedzi, ani pola annotations (zmierzone na żywo na produkcyjnym API, nie odczytane z dokumentacji). Nie da się z niego odczytać, na które źródła powołała się odpowiedź — zostaje lista wyników wyszukiwania, które silnik pobrał (ok. 15 na odpowiedź; wcześniej cytowań bywało od 4 do 20). Od tej daty „źródła Perplexity” znaczą „to znalazł przebieg”, a nie „na to powołała się odpowiedź”. Wywołania tej edycji wykonaliśmy przed tą datą, starym API, więc jej cytowania Perplexity nadal znaczą „cytowane” i pozostają ważne — powyższe ich nie unieważnia. Nie są za to porównywalne z edycjami po 31 sierpnia 2026 — zestawianie ich na osi cytowań Perplexity byłoby porównywaniem dwóch różnych rzeczy. ChatGPT (url_citation), Gemini (grounding) i Claude (web_search_result_location) zwracają cytowania bez zmian — ich liczby znaczą to samo, co wcześniej.

Gemini — 1647 adresów w 120 odpowiedziach, średnio 13,73 na odpowiedź; źródła w 114 z 120 odpowiedzi (licząc wyłącznie odpowiedzi ze źródłami: 14,45 adresu).
Perplexity — 1497 adresów w 120 odpowiedziach, średnio 12,48 na odpowiedź; źródła w 120 z 120 odpowiedzi.
ChatGPT — 431 adresów w 120 odpowiedziach, średnio 3,59 na odpowiedź; źródła w 119 z 120 odpowiedzi (licząc wyłącznie odpowiedzi ze źródłami: 3,62 adresu).

Różnica między najhojniej a najskąpiej cytującym silnikiem jest 3,8-krotna i wynika wprost z architektury opisanej wyżej: narzędzie wywoływane na żądanie wobec wyszukiwania jako fundamentu odpowiedzi. Dla marki oznacza to, że w silniku ChatGPT konkurujesz o kilka miejsc, a w silniku Gemini o kilkanaście — szansa „wejścia do odpowiedzi” bocznymi drzwiami jest w tym drugim po prostu większa.

Kogo cytują — i dlaczego to zmienia plan działania

Jeszcze ciekawsze od liczby źródeł jest ich pochodzenie. Sprawdziliśmy, ile z dziesięciu najczęściej cytowanych domen każdego silnika to strony samych mierzonych marek, a ile serwisy zewnętrzne:

ChatGPT — 8 z 10 domen to strony marek (m.in. orange.pl, pkobp.pl, mbank.pl); poza nimi w czołówce m.in. gov.pl, rankomat.pl.
Perplexity — 2 z 10 domen to strony marek (m.in. uniqa.pl, orange.pl); poza nimi w czołówce m.in. bankier.pl, rankomat.pl, direct.money.pl.
Gemini — 2 z 10 domen to strony marek (m.in. orange.pl, play.pl); poza nimi w czołówce m.in. rankomat.pl, youtube.com, jakdorobic.pl.

To najbardziej praktyczna obserwacja z całego pomiaru. W silniku ChatGPT własna strona marki jest realnym źródłem odpowiedzi; w pozostałych o marce opowiadają głównie cudze rankingi i porównywarki. Praca nad widocznością wygląda więc inaczej: tam porządkowanie własnych treści, tu obecność i aktualność wpisów w zestawieniach branżowych. Pełną listę cytowanych domen opisaliśmy w analizie kogo cytują silniki AI w Polsce.

Nie ma jednej „widoczności w AI”

Ostatnia rzecz, której nie widać, dopóki nie zmierzy się kilku silników naraz: te same marki wypadają w nich diametralnie różnie. Trzy największe rozjazdy z naszej edycji:

Apteka Gemini — 8,3% odpowiedzi w silniku Perplexity i 87,5% w silniku Gemini.
Bank Pekao — 4,2% odpowiedzi w silniku ChatGPT i 79,2% w silniku Gemini.
PZU — 16,7% odpowiedzi w silniku Perplexity i 91,7% w silniku Gemini.

Uśrednianie takich wartości do jednego wskaźnika „widoczność w AI” niszczy informację, która jest najcenniejsza — w którym silniku marki nie ma i dlaczego. Dlatego każdy nasz raport rozbija wyniki per silnik, a definicje metryk i mianowniki opisujemy na stronie jak mierzymy.

Co z Google AI Overviews

AI Overviews to czwarta powierzchnia, którą mierzymy w produkcie. Warto pamiętać, że to nie to samo co Gemini: Google zaznacza, że AI Mode i AI Overviews „may use different models and techniques, so the set of responses and links they show will vary”. Stanowisko wyszukiwarki co do optymalizacji jest przy tym jednoznaczne: „There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary”, a do pojawienia się w tych funkcjach nie trzeba tworzyć „new machine readable files, AI text files, or markup”.

Cztery wnioski na koniec

Mierz każdy silnik osobno. Jedna liczba zbiorcza ukrywa rozjazdy sięgające kilkudziesięciu punktów procentowych.
Tam, gdzie silnik cytuje strony marek, dbaj o własną stronę. To ona jest wtedy materiałem, z którego powstaje odpowiedź.
Tam, gdzie cytuje zestawienia — pracuj nad obecnością w cudzych rankingach. Porównywarki i media branżowe są tam głównym budulcem odpowiedzi.
Pamiętaj o odpowiedziach bez źródeł. Jeśli silnik nie sięgnął do sieci, mówi z pamięci — a na to wpływa się miesiącami, budując rozpoznawalność marki, nie jednym wpisem na blogu.

Najczęstsze pytania

Który silnik podaje najwięcej źródeł?

W naszej edycji rankingów (lipiec 2026, 360 odpowiedzi) najwięcej adresów na odpowiedź podał Gemini — średnio 13,73, a najmniej ChatGPT — 3,59. Różnica nie oznacza, że jeden silnik jest rzetelniejszy: wynika z architektury, bo w jednych produktach wyszukiwanie jest narzędziem wywoływanym na żądanie, a w innych fundamentem odpowiedzi.

Czy każda odpowiedź AI zawiera cytowania?

Nie. W tym pomiarze źródła padły w 353 z 360 odpowiedzi — część odpowiedzi powstała bez sięgnięcia do sieci. Dla marki to istotne: taka odpowiedź opiera się na tym, co model „pamięta” z treningu, i wtedy zmiany na stronie nie zadziałają w krótkim terminie.

Czy liczby cytowań Perplexity da się porównywać z nowszymi pomiarami?

Cytowania Perplexity zmieniły znaczenie 31 sierpnia 2026: tego dnia przenieśliśmy pomiar na nowe API Perplexity (/v1/agent — stare /chat/completions wygasa 27 września 2026), a nowe API dla modelu perplexity/sonar nie zwraca już ani znaczników [n] w treści odpowiedzi, ani pola annotations (zmierzone na żywo na produkcyjnym API, nie odczytane z dokumentacji). Nie da się z niego odczytać, na które źródła powołała się odpowiedź — zostaje lista wyników wyszukiwania, które silnik pobrał (ok. 15 na odpowiedź; wcześniej cytowań bywało od 4 do 20). Od tej daty „źródła Perplexity” znaczą „to znalazł przebieg”, a nie „na to powołała się odpowiedź”. Wywołania tej edycji wykonaliśmy przed tą datą, starym API, więc jej cytowania Perplexity nadal znaczą „cytowane” i pozostają ważne — powyższe ich nie unieważnia. Nie są za to porównywalne z edycjami po 31 sierpnia 2026 — zestawianie ich na osi cytowań Perplexity byłoby porównywaniem dwóch różnych rzeczy. ChatGPT (url_citation), Gemini (grounding) i Claude (web_search_result_location) zwracają cytowania bez zmian — ich liczby znaczą to samo, co wcześniej.

Czy w każdym silniku trzeba robić coś innego?

Kierunek pracy jest wspólny — być obecnym tam, skąd silniki biorą treść — ale rozkład akcentów się różni. W naszych danych ChatGPT miał w pierwszej dziesiątce cytowanych domen aż 8 stron samych mierzonych marek, podczas gdy pozostałe silniki opierały odpowiedzi głównie na porównywarkach, rankingach i mediach. Własna strona liczy się więc najbardziej tam, gdzie silnik po nią sięga; w pozostałych silnikach pracuje się przez obecność w cudzych zestawieniach.

Co z Google AI Overviews?

AI Overviews to osobna powierzchnia w wynikach Google, nie to samo co Gemini w aplikacji. Google podaje, że AI Mode i AI Overviews mogą używać różnych modeli i technik, więc zestaw odpowiedzi i linków będzie się różnił, oraz że nie ma żadnych dodatkowych wymagań ani specjalnych optymalizacji potrzebnych, by się w nich pojawić.