上周有两个AI产品更新，对做GEO的人来说比任何行业报告都值得关注。一个是DeepSeek上线了多模态视觉模型V4-Flash-Vision-Exp，另一个是Mistral发布了Agentic Search，把复杂文档问答准确率拉到86%。
这两件事看起来不搭界，但指向同一个方向：AI搜索正在从”读文字”进化到”看图片、翻文档、自主检索”。做GEO的方式也得跟着变。
DeepSeek多模态：AI开始”看”图片了
8月21日，DeepSeek正式上线V4-Flash-Vision-Exp模型，支持图片输入。关键技术细节有几个：
- 一张图片最多占用384个token，而GPT和Claude处理同等分辨率图片通常消耗800到1100个token
- DeepSeek用了一套叫”Thinking with Visual Primitives”的框架，把视觉元素压缩成空间坐标式的原语，而不是把整张图拆成密密麻麻的图像patch
- 纯文本能力没有降级，在Agent、推理、世界知识等基准上与V4-Flash正式版持平
这对GEO意味着什么？
第一，图片里的文字和信息开始进入AI的检索范围。以前AI搜索主要读网页文本，图片对它来说是”黑盒”。现在AI能看懂图片内容了——产品截图里的参数表格、信息图里的对比数据、流程图里的逻辑关系，都有可能被AI提取并引用。
这直接影响一个很多人忽略的优化点：图片ALT文本和图片内容本身。如果你的产品页有一张参数对比图，以前AI读不到，现在能读到了。图里的数据有没有标注清楚、品牌名有没有出现在图片中、图片分辨率够不够高（DeepSeek官方建议清晰图片），这些都会影响AI是否引用。
第二，token成本决定了多模态SEO的门槛。DeepSeek一张图384 token，竞品要800到1100 token。这意味着用DeepSeek做多模态检索的成本不到竞品一半。成本越低，应用方越愿意在搜索和问答中启用图片理解，图片被AI引用的概率就越大。
第三，Files API让重复分析更高效。同步上线的Files API允许开发者先上传图片拿到file_id，之后多次调用不用重复传输。对于需要反复分析同一批产品图片或文档的GEO监测场景，这是一个实用的基础设施升级。
Mistral Agentic Search：AI开始”自主翻文档”了
8月20日，Mistral AI推出Agentic Search，通过五步工具链让模型具备自主翻阅、跳转、读取文档的能力。传统RAG（检索增强生成）是一次性检索：把用户问题拿去向量库里搜一把，把最相关的几段丢给模型生成答案。问题是，如果答案散落在文档的不同章节，或者需要先看目录再跳转到具体页面，一次性检索就抓瞎了。
Mistral的Agentic Search换了一个思路：模型像人一样，先看目录和结构，判断哪些章节可能相关，然后跳转到那些章节读取内容，如果信息不够再继续翻。五步工具链包括：查询分解、文档定位、内容提取、交叉验证、答案合成。在复杂文档问答测试中，准确率从传统RAG的约60%提升到86%。
这对GEO的影响更直接：
第一，文档结构变得比以前更重要。AI现在会”翻目录”了。如果你的产品白皮书、技术文档、解决方案PDF有清晰的章节标题、层级结构和目录，AI能更高效地定位到相关内容。反过来，一堆没有标题、没有分段的文字墙，即使内容再好，AI也可能翻不到。
第二，跨文档引用会成为常态。Agentic Search能交叉验证多个文档的信息。这意味着品牌信息在不同渠道（官网、媒体报道、行业白皮书、B2B平台）的一致性变得更加关键。如果官网写的是”服务1000家客户”，某篇媒体报道写的是”服务500家”，AI在交叉验证时可能选择不信任这个数据，或者引用错误的那个。
第三，长文档的价值在上升。传统RAG处理长文档效果差，因为向量检索只能抓取语义最相似的片段，容易丢失上下文。Agentic Search能主动翻阅长文档，这意味着深度技术文章、行业白皮书、完整案例研究这类长内容，被AI完整读取和引用的概率在提高。
给企业GEO的两个行动建议
1. 图片资产开始做”AI可读化”
给网站上每张重要图片写准确的ALT文本（描述图片内容而不是堆砌关键词），产品参数图和信息图里的文字要足够清晰可辨识，品牌logo和产品名在图片中要有明确呈现。如果条件允许，给重要图片配一段文字说明，帮AI理解图片上下文。
2. 把文档当”AI入口”来经营
企业官网上的产品介绍页、解决方案、技术文档、FAQ，检查一下有没有清晰的标题层级（H1/H2/H3）、目录结构、段落分段。把重要的行业白皮书和案例研究做成PDF发布到官网和行业平台，确保文档有封面、目录、章节标题和页码。这些在以前是给人看的，现在同时也是给AI”翻”的。
AI搜索的能力边界在快速扩展。从读文字到看图片，从一次性检索到自主翻阅文档，每一次能力升级都在重新定义”什么内容容易被AI引用”。做GEO不能只盯着关键词和外链了，内容本身的结构、格式、多模态信息，正在成为新的竞争变量。
华企手记
上个月我们给一个制造业客户做GEO诊断，发现他们官网上的产品参数全是图片格式——可能是早年做网站时为了排版美观直接切图上去的。在AI只能读文字的时候，这意味着产品参数完全进入不了AI的检索范围。我们建议客户把参数图片全部改成HTML表格加文字描述，同时保留图片作为视觉补充。改完三周后，在豆包和通义千问上搜他们的产品型号，AI回答里开始出现准确的参数数据了。这个案例让我更加确信：GEO不只是”写什么”的问题，更是”怎么呈现”的问题。AI能力越强，对内容结构化程度的要求就越高，而大多数企业的网站还停留在”给人看”的阶段，没有考虑”给AI读”。
