# Конечная точка чата с ИИ: просмотр ответов и источников LLM с географической привязкой


Конечная точка чата с ИИ от Massive возвращает ответ, который ChatGPT, Gemini или Perplexity дают на запрос, заданный с реального устройства в выбранной вами стране, регионе или городе. Один запрос `GET` возвращает готовый ответ, источники, на которые ссылается модель, а в случае ChatGPT — поисковые запросы, которые она выполнила для формирования ответа.

Это важно, поскольку ответы ИИ больше не являются нишевым каналом. Согласно [опросу Pew Research Center за 2026 год](https://www.pewresearch.org/internet/2026/06/17/americans-and-ai-2026-chatbots-smart-devices-and-views-on-impact/), в котором приняли участие 5 119 взрослых, примерно половина взрослого населения США в настоящее время использует чат-ботов на базе ИИ, а примерно четыре из десяти используют их для поиска информации. Если всё большая доля поисковых запросов заканчивается взаимодействием с чат-ботом, командам необходим надёжный способ отслеживать, что именно говорит этот чат-бот.

> **Основные выводы**
>
> - Конечная точка чата с ИИ (`/ai`) является одной из трёх конечных точек в платформе Massive Web Render API наряду с [просмотром веб-страниц](https://docs.joinmassive.com/web-render/browser) и [поиском](https://docs.joinmassive.com/web-render/search).
> - Три модели: ChatGPT (по умолчанию), Gemini и Perplexity.
> - Ответы включают в себя окончательный текст, его источники, рекламные объявления, а в случае с ChatGPT — массив `fanouts` запросов, по которым модель проводила поиск.
> - Геотаргетинг осуществляется с точностью до города, поскольку чат-боты адаптируют свои ответы к месту, где, по-видимому, находится задающий вопрос.
> - Асинхронный режим в сочетании с обратными вызовами позволяет обрабатывать большие пакеты данных.

## Что возвращает конечная точка чата с ИИ

Конечная точка чата с ИИ расположена по адресу `https://render.joinmassive.com/ai` и принимает запросы длиной до 2 047 символов. Вы выбираете модель с помощью `model=chatgpt`, `model=gemini` или `model=perplexity`, а местоположение — с помощью любой комбинации `country`, `subdivision` и `city`. Результат возвращается в виде структурированного `json` (по умолчанию) или в формате `rendered` HTML.

Ответ в формате JSON разбивает диалог на части, которые можно анализировать по отдельности:

| Поле | Содержимое | Модели |
|-------|---------------|--------|
| `completion` | Отображённый HTML-код ответа модели | ChatGPT, Gemini, Perplexity |
| `sources` | Оформленный в HTML текст цитируемых источников (при наличии) | ChatGPT, Gemini, Perplexity |
| `ads` | Оформленный в HTML текст рекламных объявлений, отображаемых в диалоге | ChatGPT, Gemini, Perplexity |
| `html` | Полная страница диалога | ChatGPT, Gemini, Perplexity |
| `fanouts` | Массив поисковых запросов, выполненных моделью | Только ChatGPT |
| `sse` | JSON-данные событий, отправленных сервером в рамках диалога | Только ChatGPT |

Каждый ответ также содержит `country`, `subdivision`, `city` и `device`, с которыми он работал. Благодаря этому каждая строка становится самоописательной при хранении тысяч таких строк. Полный список полей приведён в [документации по чату с ИИ](https://docs.joinmassive.com/web-render/ai).

## Пример из практики: один запрос из Портленда

Ниже приведён запрос, который используется в документации Massive для демонстрации работы конечной точки. В нём ChatGPT запрашивается рекомендация по баскетбольным кроссовкам с устройства, расположенного в Портленде:

```shell
curl -H "Authorization: Bearer $MASSIVE_TOKEN" \
'https://render.joinmassive.com/ai'\
'?prompt=best+basketball+shoes+for+2026'\
'&country=us'\
'&city=Portland'
```

Документированный ответ включает в себя сам ответ и источники в формате HTML, а также следующий `fanouts` массив:

```json
"fanouts": [
  "best basketball shoes 2026",
  "top rated basketball shoes 2026 reviews",
  "best performance basketball shoes 2026",
  "best basketball shoes for guards 2026",
  "best basketball shoes for wide feet 2026",
  "best outdoor basketball shoes 2026",
  "most popular basketball shoes 2026"
]
```

Проанализируйте этот список так, как это сделала бы команда бренда. Модель не ограничилась поиском только по заданному вопросу. Она разбила вопрос на семь более узких запросов, включая «защитники», «широкая стопа» и «открытые площадки». Бренд обуви, который никогда не попадает в рейтинги по запросу «широкая стопа», не имеет шансов быть упомянутым в этой части ответа, каким бы сильным ни был его общий сайт.

## Почему ответы чат-ботов с ИИ меняются в зависимости от местоположения?

Чат-боты работают с учетом локализации. В собственной [статье OpenAI по поиску в ChatGPT](https://help.openai.com/en/articles/9237897-chatgpt-search) говорится, что ChatGPT может определять примерное местоположение пользователя по его IP-адресу. Затем он может преобразовать запрос типа «хорошие рестораны рядом со мной» в поиск ресторанов в данном городе.

Этот эффект проявляется не только в локальных запросах. В исследовании компании Whitebox, [о котором сообщил Ynetnews](https://www.ynetnews.com/tech-and-digital/article/skilyoscwx), в ChatGPT отправлялись идентичные запросы из Израиля, США, Турции и Испании. Было установлено, что «ответы в целом схожи, но не идентичны», при этом модель адаптировала тон и формулировку в зависимости от местоположения и языка пользователя. (Компания Whitebox отслеживает, как бренды и страны упоминаются в ответах ИИ, поэтому влияние местоположения играет ключевую роль в её деятельности.)

Мы наблюдали то же самое в ходе наших собственных тестов. В исследовании, проведённом в июне 2026 года с использованием данного конечного пункта, мы отправили 270 локализованных запросов в ChatGPT, Gemini и Copilot из пяти стран. (В настоящее время в этом конечном пункте используются модели ChatGPT, Gemini и Perplexity.) Gemini отклонял вопросы, касающиеся азартных игр, заданные из Великобритании и Германии, в то время как в других странах отвечал на них без ограничений. Рейтинг бренда менялся на две позиции в зависимости исключительно от того, какому помощнику мы задавали вопрос. Полные результаты приведены в статье [«Видимость бренда в ИИ: ИИ имеет своих фаворитов, но не будет вас очернять»](https://www.joinmassive.com/blog/ai-brand-visibility-ai-plays-favorites-it-wont-trash-you).

Другими словами: один ответ, полученный из одного офиса, представляет собой лишь одну выборку.

Massive направляет каждый запрос через реальное потребительское устройство в своей [бытовой сети](https://docs.joinmassive.com/residential/introduction), которая охватывает более 195 стран. Чат-бот воспринимает обычного местного пользователя, а не центр обработки данных. Если оставить `country` незаданным, в документации указано, что будет использоваться случайная страна, поэтому задавайте его при каждом запросе, который вы планируете сравнивать с течением времени.

Вы также можете эмулировать телефон или планшет. Обратитесь к ресурсу `/ai/devices` для получения списка поддерживаемых названий устройств, а затем передайте одно из них в качестве `device`. Без этого вы получите завершение по умолчанию для настольного компьютера.

## Разветвления: как ChatGPT формирует свой ответ

«Фан-ауты» — это та часть ответа, на которую мы в первую очередь обращаем внимание новых пользователей. Завершение показывает вам сам ответ. Фан-ауты же демонстрируют путь исследования, лежащий в его основе.

Это полезно в трёх конкретных аспектах:

1. **Пробелы в контенте.** Каждый фан-аут представляет собой запрос, по которому вы либо занимаете высокие позиции в рейтинге, либо нет.
2. **Оценка модели.** Если вы оцениваете ответы LLM, «fanouts» позволяют разграничить два типа сбоев, которые в «completion» выглядят одинаково: либо модель неверно обосновала правильные результаты, либо она искала не то, что нужно, и вообще не обнаружила правильных результатов.
3. **Отслеживание изменений.** «Фан-ауты» могут меняться от запуска к запуску, поэтому список прошлого месяца может не соответствовать заданию на этот месяц.

Простой способ применить третье применение на практике:

- Выберите от 20 до 50 запросов, которые на самом деле задают ваши покупатели, и зафиксируйте значения `country` и `city` для каждого из них.
- Запускайте их еженедельно с параметром `expiration=0`, чтобы никакой кэшированный ответ не скрывал произошедших изменений.
- Сохраняйте массив `fanouts` каждого запуска, а затем сравнивайте его с массивом прошлой недели как набор: новые запросы, удалённые запросы, неизменённые.
- Рассматривайте новый фанаут как вопрос, касающийся контента. Есть ли у вас страница, отвечающая на него?

Поскольку фанауты представляют собой простые строки, такое сравнение занимает всего несколько строк кода на любом языке программирования. Разбор HTML не требуется.

Одно ограничение, которое следует учитывать при планировании: в документации указано, что `fanouts` и `sse` доступны только в ChatGPT, и отмечается, что лишь некоторые модели предоставляют доступ к этим запросам. В случае с Gemini и Perplexity вы по-прежнему получаете автозаполнение, источники и рекламные объявления, но не путь поиска.

## Массовое выполнение запросов в чате с ИИ

Согласно документации, время формирования автозаполнений в режиме реального времени в среднем составляет несколько секунд. Конечная точка допускает до 3 минут на один вызов, поскольку для некоторых диалогов требуются повторные попытки. Для разовых проверок подходит режим синхронной работы по умолчанию. Для мониторинга сотен или тысяч запросов используйте асинхронный режим.

Добавьте `mode=async`, и API сразу же вернёт идентификатор задания. Передайте этот идентификатор обратно с помощью `GET /ai?id=...`, чтобы получить завершённый ответ, либо запросите статус с помощью `retrieving` или `failed`. Вместо опроса вы можете указать `callback` в виде URL-адреса HTTPS или очереди Amazon SQS, и Massive уведомит вас, когда результат будет готов. В [документации по планированию](https://docs.joinmassive.com/web-render/scheduling) описаны оба этих подхода.

Для кэширования необходимо принять одно решение. По умолчанию готовый ответ кэшируется на один день. Установите `expiration=0`, как в приведённом выше рецепте отслеживания, во всех случаях, когда кэшированный ответ может скрыть произошедшие изменения.

## Кто использует конечную точку чата с ИИ

Massive не создаёт информационные панели для мониторинга брендов с помощью ИИ. Конечная точка ИИ-чата представляет собой инфраструктурный уровень, лежащий в их основе. Платформам оптимизации генеративного движка (GEO) и оптимизации движка ответов (AEO) требуются географический охват, эмуляция устройств, а также чистые исходные данные и данные о распределении, прежде чем они смогут создавать аналитику. Компания Massive берет на себя управление этим уровнем, чтобы команды этих платформ могли посвятить время именно тому анализу, за который платят их клиенты.

Для любой из этих платформ актуален вопрос: соответствует ли ответ, полученный через API, тому, что видит пользователь в приложении? Мы провели тестирование: по 30 категориям брендов `/ai` из `model=gemini` дали статистически неотличимый рейтинг брендов по сравнению с результатами в приложении Gemini при входе в систему по 26 из 30 тем, что примерно соответствует степени согласованности результатов приложения при разных запусках. Методика и ограничения изложены в статье [Являются ли запросы к ИИ на основе API надёжным показателем того, что на самом деле видят ваши пользователи?](https://www.joinmassive.com/blog/are-api-based-ai-calls-a-good-proxy-for-what-your-users-actually-see)

Ещё две группы используют те же данные:

- **команды по оценке LLM**, которым для оценки требуется актуальный ответ, выдаваемый моделью сегодня, а не кэшированный снимок;
- **разработчики RAG и агентов**, которые сравнивают результаты передовых моделей с выводами своих собственных конвейеров. Наше руководство по [привязке LLM к актуальным веб-данным](https://www.joinmassive.com/blog/llm-grounding-with-live-web-data-a-practical-guide) освещает этот подход, а статья [Как предоставить ИИ-агентам доступ к актуальным веб-данным](https://www.joinmassive.com/blog/how-to-give-ai-agents-live-web-access) посвящена аспектам просмотра и поиска.

Что касается более широких рыночных тенденций, лежащих в основе данного спроса, ознакомьтесь с нашим [отчётом «Состояние индустрии веб-данных»](https://www.joinmassive.com/blog/state-of-the-web-data-industry-2026).

## Часто задаваемые вопросы

### Какие модели поддерживает конечная точка чата с ИИ?

ChatGPT, Gemini и Perplexity. ChatGPT используется по умолчанию, если вы не передаёте параметр `model`.

### Что такое «fanouts» в конечной точке чата ИИ?

«Fanouts» — это поисковые запросы, которые ChatGPT выполнил для формирования ответа и которые возвращаются в виде массива в ответе JSON. Они доступны только для ChatGPT.

### Можно ли увидеть, что отвечает ИИ-чат-бот в конкретном городе?

Да. Укажите в запросе параметр `country`, а также, по желанию, параметры `subdivision` и `city`. Запрос отправляется с реального потребительского устройства, расположенного в данном месте, поэтому чат-бот локализует свой ответ так, как если бы он отвечал местному пользователю.

### Заменяет ли Massive платформу AEO или платформу мониторинга брендов на базе ИИ?

Нет. Massive предоставляет инфраструктуру для обработки запросов: местоположения, устройства, а также структурированные завершения, источники и распределение запросов. Платформы AEO создают свои информационные панели и аналитику на основе этой инфраструктуры.

### Как запустить тысячи запросов к ИИ-чат-боту, не удерживая открытых соединений?

Используйте `mode=async` для постановки каждого запроса в очередь и сбора результатов по идентификатору задания, либо настройте `callback` на URL-адрес HTTPS или очередь Amazon SQS, чтобы получать уведомления о готовности каждого результата.

## Вывод

То, что ChatGPT, Gemini или Perplexity говорят о вашем бренде, зависит от того, кто и откуда задает вопрос. С помощью `/ai` вы можете задавать вопросы из любого города с реального устройства и сохранять полную историю: ответ, источники, рекламные объявления, а в случае с ChatGPT — каждый поиск, выполненный моделью. Начните с [документации по чату с ИИ](https://docs.joinmassive.com/web-render/ai). Информация о безопасности и соблюдении нормативных требований Massive представлена в [Центре доверия Massive](https://trust.joinmassive.com), а подробнее о нашей команде — на [странице «О нас»](https://www.joinmassive.com/about-us).