ChatGPT noemde het merk bij 12,4% van de koopvragen vóór GPT-6 en bij 13,0% erna
OpenAI introduceerde GPT-6 in ChatGPT op 7 oktober 2026, eerst voor betaalde abonnementen, en zei dat Free- en Go-gebruikers het vanaf de dag erna zouden krijgen. Wij lezen de antwoorden van ChatGPT vanaf de uitgelogde pagina als bezoeker uit de VS, en deze analyse gebruikt alleen die, dus we zaten aan de gratis kant van de uitrol. De modelnaam die de pagina in onze antwoorden meldde, veranderde laat op 8 oktober, UTC, van gpt-5-6 in gpt-6 en bleef daar.
Dat gaf ons een voor en na op dezelfde vragen. We namen elke koopvraag (een vraag die het merk niet noemt) die ChatGPT tussen 4 en 18 oktober onder beide labels beantwoordde: 188 vragen voor 16 merken, 362 antwoorden op GPT-5.6 en 349 op GPT-6.
Gemiddeld per vraag noemde ChatGPT het merk in 12,4% van de gevallen vóór de overstap en 13,0% erna. Het verschil is 0,6 punt, met een 95%-interval van min 1,8 tot plus 2,9. Van de 30 vragen waarbij het merk minstens één keer opdook, gingen er 4 van meestal genoemd naar meestal niet, en 3 de andere kant op.
De antwoorden werden 40% langer en citeerden 64% meer bronnen
Dezelfde 188 vragen kregen in alle andere opzichten heel andere antwoorden.
- Lengte: gemiddeld 529 woorden per antwoord ervoor, 738 erna. 167 van de 188 vragen kregen een langer antwoord.
- Structuur: het aantal kopjes per antwoord verdubbelde ongeveer, van zo’n 4 naar 8. Opsommingstekens en tabellen bleven ongeveer gelijk, dus de extra lengte ging naar meer secties.
- Bronvermeldingen: 5,1 geciteerde links per antwoord ervoor, 8,4 erna, van 4,0 verschillende domeinen naar 5,9.
- Zoeken: ChatGPT deed daarvoor minder zoekopdrachten, 3,0 per antwoord ervoor en 2,0 erna.
Claude, Perplexity en AI Overviews veranderden nauwelijks bij dezelfde vragen
Een kalender kan je hier voor de gek houden. Merken passen pagina’s aan, overzichtsartikelen worden bijgewerkt en onze eigen pipeline verandert. Daarom splitsten we dezelfde koopvragen op dezelfde datum bij de drie engines die die week niet van model wisselden.
De antwoorden van Claude gingen van 256 woorden naar 255, die van Perplexity van 233 naar 243 en die van Google AI Overviews van 293 naar 334. Bronvermeldingen per antwoord bewogen bij alle drie minder dan één. Het vermeldingspercentage bewoog bij elk minder dan 2,5 punt, ongeveer evenveel als bij ChatGPT. De verandering in lengte en bronnen hoort dus bij het model van ChatGPT, en het stabiele vermeldingspercentage is niet iets wat de andere engines misten.
Je eigen site wordt misschien iets vaker geciteerd, en dat kunnen we nog niet zeggen
De eigen site van het merk werd vóór de overstap in 7,6% van de ChatGPT-antwoorden op deze koopvragen geciteerd en erna in 10,8%. Dat is de richting die je hoopt als een antwoord meer bronnen bevat. Maar het interval rond de verandering loopt van min 0,1 tot plus 6,8 punt, en het rust op 9 vragen die de site van het merk gingen citeren tegenover 5 die daarmee stopten. Te weinig om iets te zeggen.
Wat je controleert als een engine een nieuw model uitbrengt
De gebruikelijke reflex is een modelrelease te zien als een reset en pagina’s te gaan herschrijven. Op basis van dit bewijs kun je beter een week wachten en controleren.
- Zoek uit welk model elk antwoord maakte. Een trendlijn die twee modellen mengt zonder het te zeggen, verbergt de overstap of verzint er een.
- Vergelijk dezelfde vragen voor en na. Een andere set vragen aan elke kant zegt niets over het model.
- Vergelijk met een engine die in dezelfde week niet veranderde. Als beide bewogen, was het model niet de oorzaak.
- Lees de bronvermeldingen, niet alleen het vermeldingspercentage. In onze data veranderde het model veel meer wat ChatGPT citeerde dan of het het merk noemde.
Hoe Proofsource dit aanpakt
Elk antwoord dat Proofsource opslaat, bewaart de modelnaam die de engine meldde, naast de antwoordtekst, de geciteerde bronnen en de uitgevoerde zoekopdrachten. De antwoordweergave toont dat model, en de methoderegel onder de grafieken Zichtbaarheid en Prompts vermeldt beide versies als een engine binnen de periode van model wisselde, zodat een voor en na zoals dit zichtbaar is in plaats van vermengd.
Waar dit mis kan zitten
Dit gaat alleen over uitgelogde ChatGPT. De releasenotes van OpenAI zeggen dat Free en Go GPT-6 Luna gebruiken en betaalde abonnementen GPT-6 Sol, en Sol hebben we niet gemeten. De helppagina van OpenAI over modellen beschreef GPT-5.6 Luna nog als standaard voor Free toen we die lazen, dus het label gpt-6 is wat de pagina aan onze dataleverancier meldde en we hebben niet bevestigd welke variant het was.
GPT-6 kan antwoorden met visuele en interactieve elementen. We leggen het antwoord als tekst vast, dus iets wat alleen daarin verscheen, wordt niet meegeteld.
Het is een kleine steekproef: 188 vragen voor 16 merken, vooral kleine bedrijven met een Proofsource-werkruimte, en ongeveer de helft van de vragen had aan elke kant één antwoord, een dag uit elkaar. Een effect van twee of drie punten in beide richtingen is nog steeds mogelijk. “Genoemd” betekent dat onze extractie het merk in het antwoord vond, en een misser telt aan beide kanten even zwaar.
Tien dagen na een release is vroeg. OpenAI kan het model achter een label veranderen zonder het aan te kondigen, en de volgende update kan zich anders gedragen dan deze.
