AI旅游出行助手能力测评报告（第三期）

�关注“海鳗云” 扫描下方二维码，添加海鳗云社群助理微信。发送您的姓名+机构+职务，即可受邀加入文旅资源生态圈。 海鳗云官方服务号 推送目的地案例、文旅大数据知识、前沿技术；获取平台更新通知、行业数据报告、定制化解决方案 入群专享权益: ·免费获取文旅数据洞察报告·优先参与线上智库沙龙·解锁「海鳗云」平台试用权限·千人社群精准对接，直接对话 �关注“海鳗云” 海鳗云官方小程序聚合文旅行业报告、数据、政策、方案等内容，可免费下载阅读 目录 一、行业背景与研究基础...............................................................1 二、测评对象....................................................................................3 （一）通用大模型.......................................................................3（二）OTA垂类智能体..............................................................8（三）省级文旅智能体.............................................................12（四）泛生活类平台应用.........................................................17 三、测评体系与计分规则.............................................................20 四、评测方法与执行过程.............................................................24 （一）评测集的构建.................................................................24（二）评测流程与辅助校验.....................................................24 五、测评结果..................................................................................26 （一）综合排名.........................................................................26（二）两轮测评重叠产品表现对比.........................................26（三）不同场景专题分析.........................................................27（四）不同类型AI旅游出行助手的场景表现比较..............32（五）强制性指标专题分析.....................................................33 六、结果分析与行业洞察.............................................................36 （一）基础能力缺口仍是制约行业发展的首要瓶颈............36（二）复杂旅游场景下的产品能力仍有较大提升空间........38（三）泛生活平台的崛起正在重塑竞争格局........................39（四）通用大模型具备更高上限，但场景数据仍为短板....40 （五）OTA垂类智能体正在遭遇双向挤压............................40（六）省市级智能体尚未把数据优势转化为服务优势........41附录1不同场景评测集示示例......................................................43附录2强制性指标输出（Badcase）示例....................................45 摘要 随着生成式人工智能加速融入旅游服务场景，AI旅游出行助手正成为智慧旅游发展的重要应用形态。为持续观察行业发展水平与产品能力差异，北京第二外国语学院数字文旅研究中心已经于2025年11月和2026年2月分别发布过两期AI旅行助手类应用的测评报告。本轮测评继续沿用前期形成的评测指标体系，并进一步引入与AI旅行助手场景相关的测试场景，围绕行程规划、酒店推荐、餐馆推荐、景点推荐、POI攻略玩法推荐和出行方式推荐六类典型旅游应用，对16款AI旅游出行助手产品进行系统评估。测评对象覆盖通用大模型、OTA垂类智能体、省市级文旅智能体和泛生活类平台应用四大类型，并设置中文与英文双语评测集，以考察不同语境下产品能力的稳定性。 本轮测评采用AI自动化测试流程，结合API调用、移动端自动化操作、截图采集、双裁判评分以及高德地图辅助校验等方式，提升测评过程的一致性与可信度。测评结果显示，当前AI旅游出行助手市场已呈现出多主体并行竞争格局。Gemini-3-Pro-Preview在综合排名中位列第一，美团“美小团”、小红书“点点”、Qwen3.5-397B-A17B、飞猪“问一问”等产品紧随其后，头部产品分差较小，尚未形成绝对领先者。分场景结果显示，不同类型产品在具体任务中呈现出差异化优势：通用大模型在出行方式推荐场景中表现突出，OTA垂类智能体在酒店推荐等服务链条较清晰的场景中保持较强竞争力，省 市级文旅智能体则在POI攻略玩法推荐等本地化场景中展现出一定优势。 其次，通过对强制性指标通过率分析发现，当前AI旅游出行助手仍面临基础能力稳定性不足的问题，这表明部分产品在需求理解、约束执行、地理空间判断和安全边界控制上仍不够稳定。尤其在POI攻略玩法推荐等更细颗粒度、更高约束的复杂旅游需求场景中，产品强制性指标通过率明显低于其他场景，反映出行业在复杂需求理解、细颗粒度偏好识别和真实场景服务能力方面仍有较大提升空间。 总体来看，AI旅游出行助手行业已从“是否上线AI功能”的早期阶段，进入基础能力、场景能力、数据能力和服务可信度共同竞争的新阶段。未来行业发展应更加重视可靠性、可用性与持续运营能力，推动AI旅游出行助手从概念创新和功能叠加，走向真实旅游场景中的稳定服务与可信交付。 一、行业背景与研究基础 近年来，生成式人工智能技术快速发展，持续推动旅游服务向智能化方向演进。伴随通用大模型、OTA平台内嵌助手、泛生活平台AI助手以及地方文旅智能体等多类产品不断涌现，AI旅游出行助手已逐步成为旅游行业智能化发展的重要应用形态。与此同时，行业对于相关产品能力水平、服务质量与发展趋势的客观评估需求也不断上升，而在研究工作启动阶段，国内尚缺乏较为统一、系统且具备可操作性的评测标准。 基于这一背景，北京第二外国语学院数字文旅研究中心自2025年起持续开展AI旅游出行助手测评工作。首轮工作的重点在于探索和构建。由于当时相关领域尚无成熟测评指标体系可供直接参照，团队需首先通过真实产品接触、真实用户查询请求收集以及人工归纳与计算分析相结合的方式，对AI旅游出行助手的能力结构、典型任务与评价维度进行系统梳理。在此基础上，团队于2025年7月启动首轮相关工作，并与支付宝公司合作开展竞品调研和评测研究，最终形成第一版AI旅游出行助手测评指标体系，并于2025年10月正式发布。第二轮测评于2025年11月开展，重点在于依托首版指标体系开展进一步验证，并在实际测评过程中对指标设计、评分机制和验证方法进行持续反馈与完善，从而推动评测体系由初步构建走向相对稳定。 在前两轮测评之后，AI旅游出行助手所处的用户环境、技术环境和市场环境均发生了新的变化。首先，公众对AI工具的接受度和使用频率持续提高，越来越多用户开始将AI用于旅行信息查询、行 程规划和具体出行决策，AI旅游出行助手的实际使用价值和潜在风险也随之上升。其次，通用大模型持续推出新版本，模型在推理、多轮交互、工具调用和信息整合等方面不断更新，其在旅游场景中的真实能力需要重新观察。再次，旅游出行助手的产品边界正在扩展，美团、小红书等非传统旅游平台的内嵌产品也开始具备旅游问答、推荐和规划等类似能力。这类产品虽然并非传统意义上的旅游应用，却拥有大量本地生活内容、用户评价和消费场景数据，其在AI旅游出行服务中的表现已经成为值得关注的新问题。 基于上述变化，本轮测评在前期指标体系基础上进一步拓展评测范围和场景设置。一方面，测评不再局限于完整行程规划，而是覆盖餐馆推荐、酒店推荐、景点推荐、POI攻略玩法推荐和出行方式推荐等更细分的旅游任务，以更全面观察不同产品在真实旅游需求中的表现。另一方面，往期测评中团队已注意到语言语境可能影响产品回答质量，叠加入境旅游市场持续升温，本轮测评进一步设置英文题目，以考察主流产品在不同语境下的能力稳定性。由此，本轮测评既是对产品迭代和市场变化的回应，也是对AI旅游出行助手真实服务能力的一次更全面检验。 因而本报告的核心任务在于围绕本轮最新测评结果，对当前AI旅游出行助手的发展水平、能力差异及行业变化作出进一步呈现和分析。 二、测评对象 与往期测评相比，本轮在保持通用大模型、OTA垂类智能体和泛生活类平台应用测评延续性的同时，新增了省级文旅智能体和泛生活类平台这一类型，共选取16款AI旅游出行助手产品，以更全面地反映当前AI旅游出行助手市场的发展格局。分别为：（1）基础模型类5款：阿里巴巴通义千问（Qwen3.5-397B-A17B-397B-A17B）、字节跳动豆包（Doubao-Seed-2.0-Pro）、Google Gemini（Gemini-3-Pro-Preview）、xAI Grok（Grok-4.1）、深度求索DeepSeek（DeepSeek-V3.2）。（2）OTA垂类智能体4款：飞猪“问一问”-v9.10.49.104、携程“问道”-v8.90.2、同程旅行“程心AI”-v11.3.7、马蜂窝“AI小蚂-v11.2.8”。（3）省级文旅智能体5款：浙江“嗨游”、杭州“杭小忆”、上海“沪小游”、陕西“游陕西”、广西“刘三姐”和（4）泛生活类平台2款：美团“美小团”-v12.55.402、小红书“点点”-v9.25.0。 （一）通用大模型 通用大模型在AI旅游出行助手市场中扮演着“基础设施”角色，其核心优势在于海量的知识储备与极强的语义理解能力，能够理解用户的语义意图，整合跨领域知识，生成个性化行程方案。 1.阿里巴巴“通义千问”（Qwen3.5-397B-A17B-397B-A17B） 通义千问是阿里巴巴自研的超大规模通用语言模型。相较上一期测评使用的Qwen3系列，Qwen3.5-397B-A17B在模型规模、推理能力和多模态能力方面进一步提升。该版本支持更长的上下文窗口和更强的Agent能力，能够在复杂、多约束的出行需求下兼顾方案质量与 交互效率。通义千问与高德地图、飞猪等阿里生态服务的深度集成，使其在行程规划过程中能够直接结合地理空间信息与交通、酒店等服务资源，为路线规划与资源预订提供一体化支持。 2.字节跳动“豆包”（Doubao-Seed-2.0-Pro） 豆包是字节跳动旗下火山引擎推出的自研通用大模型，本次测评版本为Doubao-Seed-2.0-Pro。相较上一期版本，豆包2.0在中文语境理解能力、多轮对话能力和响应速度方面进一步优化，在Agent场景下的任务执行能力也有所增强。豆包在中文旅行场景中表现出较高的本土环境适应性，能够较好地处理涉及交通、住宿、景点、政策与预算等多重约束的复杂行程请求。 3.Googl