# Onton 推出 Ontology 1 提升搜尋準確度

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Onton (@onton_ai) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥 · 日期：2026-07-30

> 原始來源：https://x.com/onton_ai/status/2082511721856409939

## 證據與延伸閱讀

- [Onton 推出 Ontology 1 搜尋模型](https://onton.com/research/ontology-1)

## 中文摘要

Onton 推出 Ontology 1 提升搜尋準確度。

Onton 在 2026 年 7 月 30 日宣布推出全新 AI 模型 Ontology 1，定位為搜尋領域的後繼架構。官方指出，該模型在複雜且需求意圖明確的搜尋任務上，準確度至少是全球頂尖電商搜尋引擎的 2.7 倍，且不需要重新訓練或微調就能自行學習，具備無幻覺的特點。

**核心架構與運作方式**
- 採用神經符號式（neurosymbolic）模型，結合精確推理與從雜亂資料中學習的能力。
- 底層運作基於自研的圖形資料庫 Ograph，支援 GPU 執行，單核心吞吐量表現大幅提升。
- 能跳過表面標籤，透過實際的材質、織法等客觀屬性來判斷商品是否符合需求（例如驗證「寵物友善」的沙發）。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/aee0c19c8ee90db5.jpg)
> 粉嫩色調的組合沙發擺在戶外沙漠景觀前，背景為遠山與巨大紅日

- 建立可檢視的世界模型，在處理搜尋查詢與檢驗假設時持續執行自我學習循環，使準確度隨著使用次數累積而成長。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/9fb8011ebcfa36a1.webp)
> 這是一間色彩繽紛、擺放著粉色波浪造型沙發與木質圓形茶几的現代客廳。

**實際應用與效能表現**
- Onton 自行公布的 90 題評測（由三位獨立評審評分）中，Ontology 1 拿下 52 題，Google Shopping 19 題、Amazon 16 題，且當時僅索引了對方目錄的 1%。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/ac44c2b77a7cdedf.webp)
> 某搜尋介面呈現帶有品牌、品名與價格標籤的家具商品列表，頂部搜尋欄輸入「something that might belong in this room」。

- 支援多模態、多物件搜尋、帶有部分資料的查詢，以及透過 Onton Canvases 做風格與氛圍導向的搜尋。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/eee3395be1565161.png)
> 兩款不同材質與造型的吊燈燈罩產品照，左側為波浪邊編織燈罩透出燈光，右側為黑黃相間的金屬線條與編織結合的吊燈。

- 影片展示中呈現了網頁端介面的文字與圖片上傳、物件辨識、畫布多重物件管理及跨類別綜合搜尋等功能。 

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1785381843625-qeigfd0v.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/29ab75ab526af6fd.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 講者在室內以筆電示範 Onton 的 Ontology 1 搜尋介面

讀者可前往 [Onton 官方網站](https://onton.com/) 試用，或透過 [Ontology 1 研究報告](https://onton.com/research/ontology-1) 與 [Ontology 1 評測結果](https://onton.com/research/ontology-1-benchmarks) 了解詳細技術細節與評測資料。

## 媒體內容

**講者在室內以筆電示範 Onton 的 Ontology 1 搜尋介面**

**影片中的 Prompt 與操作**

Prompt（00:49）：

```
1200 美元以下的世紀中葉現代風綠色絲絨沙發
```

原文：mid-century modern green velvet sofa under $1200

Prompt（02:49）：

```
像這盞燈，但更便宜
```

原文：like this lamp, but more inexpensive

Prompt（03:22）：

```
咖啡桌
```

原文：coffee table

Prompt（04:30）：

```
像這盞落地燈，放在我的家庭辦公室，900 美元以下
```

原文：like this floor lamp, for my home office under $900

Prompt（07:05）：

```
可能屬於這個房間的家具
```

原文：furniture that might belong in this room

操作步驟：

1. @00:47 在搜尋欄輸入文字指令並送出
2. @02:22 點擊上傳圖片進行以圖搜圖
3. @02:48 在圖片搜尋上方輸入補充文字並送出
4. @03:14 選擇另一張圖片上傳並搜尋
5. @03:22 在圖片搜尋上方輸入關鍵字「coffee table」
6. @04:28 上傳包含雙燈具的截圖並輸入文字指令送出
7. @07:02 上傳室內空間圖片並輸入文字指令搜尋搭配家具
8. OGFRAME: 00:45

**逐字稿**

- `00:00` 我永遠不會成為電影明星，茉莉。（I'm never going to be a movie star, Molly.）
- `00:02` 大家好，我是 Zach，Onton 的共同創辦人之一。（Hi, I'm Zach, one of the co-founders of Onton.）
- `00:05` 今天，我們發布了 Ontology One，這是一個用於推理的神經符號模型。（Today, we're releasing Ontology One, which is a neurosymbolic model for reasoning.）
- `00:10` 在我們的測試中，它實現了各種以往絕對不可能做到的搜尋，超越了（In our test, it enabled all types of searches that have never been possible before beyond）
- `00:15` 即便是頂尖大型語言模型所能提供的水準。（what even Frontier LLMs could provide.）
- `00:19` 請注意，雖然我今天要向各位展示的所有範例都在電子商務領域，但我們發現（And note, while all of the examples I'm going to show you today are in e-commerce, we found）
- `00:23` 這個模型具備通用性，因此它也能用於電子商務以外的搜尋。（this model to be generalizable, so it can work on searches outside of e-commerce.）
- `00:28` 無論如何，我們直接開始吧。（Anyways, let's dive in.）
- `00:29` 我要進行一些搜尋。（I'm going to do some searches.）
- `00:30` 我從可能很簡單的東西開始，大概是你們以前見過的東西，（I'm going to start with something that's probably simple, probably something you've seen before,）
- `00:34` 沒有什麼神奇的，然後我會逐步挑戰困難的部分。（nothing magical, and I'm going to work my way towards the hard stuff.）
- `00:37` 在這個過程中，我想談談這個模型正在做的一些事情，以及（And along the way, I want to talk through some of the things that this model is doing and）
- `00:42` 我們在 Onton 這裡所打造的功能。（that we've built here at Onton.）
- `00:44` 所以我從一個相當簡單的搜尋開始。（So I'm going to start with something pretty simple.）
- `00:47` 我要輸入：1,200 美元以下的世紀中期現代風綠色天鵝絨沙發。（I'm going to type in mid-century modern green velvet sofa under $1,200.）
- `00:56` 顯然，這沒什麼大不了的，但厲害的是系統正在學習，所以（Obviously, this is nothing crazy, but what is crazy is that the system is learning, so）
- `01:02` 它一開始沒有什麼叫世紀中期現代風的概念。（it doesn't have a concept of what mid-century modern is.）
- `01:05` 它不知道什麼是綠色天鵝絨沙發。（It doesn't know what a green velvet sofa is.）
- `01:07` 它不知道這個預算代表什麼。（It doesn't know what this budget is.）
- `01:09` 而它能夠幾乎即時地做到這點，試圖去學習這些概念是什麼，並且（And it is able to do it in nearly real time, try to learn what these concepts are, but it）
- `01:15` 它會儲存該記憶。（stores that memory.）
- `01:16` 這之所以令人難以置信，是因為它讓每一次接下來的搜尋都變得更聰明一點、更（And why that's incredible is it makes every next search a little bit smarter and a little）
- `01:22` 快速一點。（bit faster.）
- `01:23` 在測試中，一旦我們讓使用者執行過特定的搜尋，或是它學習了某個特定的主旨，這個（In test, once we've had a user run a particular search or it's learned a certain subject, this）
- `01:29` 搜尋的速度就會比剛開始學習階段快上將近 100 倍。（search becomes almost 100 times faster than it was on the initial learning phase.）
- `01:36` 而我現在從返回的結果中可以看到，Ontology 1 非常清楚（And what I can see here in the results that are coming back is that Ontology 1 knows exactly）
- `01:41` 為什麼某個東西會符合它所標示的內容。（why something is what it says it is.）
- `01:44` 這對於電子商務以外的許多類別來說都非常重要。（And that's very important for a lot of categories beyond just e-commerce.）
- `01:49` 顯然，如果你在電子商務中訂購一項產品，你會希望產品送達時（Obviously, if you're ordering a product in e-commerce, you want the product to show up）
- `01:52` 確實是你買的那件，而且不會產生任何幻覺。（and it to be the right one and not to hallucinate anything.）
- `01:55` 但還有其他產業需要這種信任度和準確度，這是單靠大型語言模型（But there's other industries where you need that level of trust and accuracy that you can't）
- `02:00` 或現今的模型所無法做到的。（get from an LLM alone or you can't get from today's models.）
- `02:06` 而這正是 Ontology 1 能夠辦到的事。（And that is what Ontology 1 is able to do.）
- `02:08` 所以它實際上很清楚你輸入了什麼內容。（So it actually knows exactly what you've typed in.）
- `02:11` 它能夠進行解析。（It's able to parse it.）
- `02:12` 它能夠進行學習。（It's able to learn it.）
- `02:12` 並且它能夠告訴你為什麼某個結果會以它所呈現的方式被傳回。（And it's able to tell you why something came back as it says it did.）
- `02:18` 那麼我們來做另一個搜尋。（So let's do another search.）
- `02:20` 我只要加入一張圖片就好，沒什麼大不了的。（I'm going to just add an image, nothing crazy.）
- `02:23` 顯然，以圖搜尋已經存在很長一段時間了。（And obviously, image search has been around for a long time.）
- `02:26` 我們一直都能做到這點。（We've been able to do it.）
- `02:28` 我們一直都能進行物件偵測。（We've been able to do object detection.）
- `02:29` 如果我對這個特定的搜尋按下開始，我們可以找到無數這樣的範例。（If I were to hit go on this particular search, we can find countless examples of this.）
- `02:34` 但在購物領域中，你經常想做的是運用這種理解能力，（But in shopping in particular, what you often want to do is you want to take that understanding）
- `02:38` 並且進一步加以擴充。（and you want to augment it.）
- `02:40` 所以你會希望利用那張特定的圖片來推動你的搜尋。（So you want to use that particular image to drive your search.）
- `02:44` 因此，有了 Ontology 1，我可以說出這樣的話：「像這盞燈，但更便宜一點」。（So with Ontology 1, I could say something like this, like this lamp, but more inexpensive.）
- `02:52` 同樣地，這沒什麼大不了的，但我們正在運用對該特定圖片的理解。（Again, nothing crazy, but we are taking our understanding of that particular image.）
- `02:58` 我們正在學習什麼樣的產品可能更符合預算，並試圖根據（We are learning what could be a little bit more budget-friendly and trying to find some）
- `03:03` 你所設定的參數，找出一些很棒的範例。（examples that could be great given your parameters that are there.）
- `03:09` 我們來進行另一次圖片搜尋。（And let's do another image search.）
- `03:12` 所以我會拿這個，一個不同的產品或稍微雜亂一點的東西，像這個。（So I'll take that, a different product or something that's a little bit messier like this.）
- `03:21` 咖啡桌。（Coffee table.）
- `03:22` 我一開始就直接說咖啡桌。（And I'll just say coffee table to start.）
- `03:25` 它會挑選出咖啡桌，儘管這張特定的圖片中可能有（It's going to pick off the coffee table, even though there's multiple objects that could）
- `03:30` 多個物件適用，而且它能為我找到一些看起來相當準確的東西。（be applicable in this particular image, and it's able to find me some things that look pretty accurate.）
- `03:38` 但我們再進一步。（But let's go, let's go a step further.）
- `03:42` 我想用這個東西，或者我想向你展示一個使用 Ontology 1 的多物件搜尋。（I want to use this thing, or I want to show you a multi-object search with Ontology 1.）
- `03:49` 所以在 Onton 裡我們有這些稱為 surfaces（表面）的東西。（So we have these things called surfaces within Onton.）
- `03:52` 它們有點像是你可以用來組織購物旅程的地方。（They're kind of these, they are these places where you can organize your shopping journey.）
- `03:57` 而 Ontology 1 可以理解它們，因為它能接收大量的輸入並理解其含意。（And Ontology 1 can understand them because it can take in a lot of input and make sense of it.）
- `04:03` 所以我將從我的一個畫布中截取這張截圖，它幾乎就像是（So I'm going to take this screenshot from one of my canvases, which is almost like it is）
- `04:12` 同一張圖片中有兩個產品。（two products in the same image.）
- `04:14` 左邊的是壁燈，右邊的則是一個吊燈。（So the one on the left is a wall sconce and the one on the right appears to be a pendant light.）
- `04:22` 我打算同時使用這兩者，並用它來同時搜尋兩個產品。（I'm going to use both of them and I'm going to use this to search for two products at the same time.）
- `04:27` 所以我會這樣說：但我要為我的家庭辦公室找落地燈（So I'm going to say like this, but floor lamps for my home office）
- `04:35` 在特定的預算範圍內，只是為了給它更多的參數。（under a certain budget, just to give it more parameters.）
- `04:38` 這真是太不可思議了。（And this is pretty incredible.）
- `04:41` 你拿取兩個物件，理解它們，然後同時（You're taking two objects, you're making sense of them, and you're doing a search for both）
- `04:45` 為兩者進行搜尋。而且我還說了，嘿，我不要完全一模一樣的匹配。（almost at the same time. And I've also said, hey, I don't want it to be an exact match.）
- `04:50` 我有點想要這個，但要改成落地燈，而不是壁燈，（I kind of want this, but as a floor lamp instead of just as a wall sconce,）
- `04:55` 因為這才是我想要的房子或家庭辦公室風格。（because that's what I want for my house or my home office.）
- `04:59` 而 Onton 正在同時進行多類別、多物件的搜尋。（And Onton is doing a multi-category, multi-object search at the same time.）
- `05:03` 所以這就是電子商務中實際發生的情況。（So this is how things actually happen in e-commerce.）
- `05:07` 你有一個正在為其購物的整間房間，（You have an entire room that you're shopping for,）
- `05:09` 或者可能你在某個類別中所做的決定，會影響你在另一個（or maybe a decision that you've made in one category influences your decision in another）
- `05:15` 類別中的決定。例如，你買了一張 RAG，現在你想要燈、椅子或其他（category. So for example, you bought a rug and now you want the lamp or the chair or something）
- `05:20` 東西來搭配那張特定的 RAG。Onton 可以進行這些搜尋。它能吸收這種理解（else to match that particular rug. Onton can do those searches. It can take that understanding）
- `05:25` 並為你找到準確的產品。不僅如此，它能做到——這不是單執行緒的搜尋。（and find you accurate products. But beyond that, it can do, it's not a single threaded search.）
- `05:31` 所以它能夠同時處理多個類別，這非常強大。（So it's able to do multiple categories at the same time, which is really powerful.）
- `05:37` 我們再來，再往前邁進一步。我們來使用整個畫布。所以（Let's do, let's go a step even further than that. And let's use an entire canvas. So）
- `05:46` 這個畫布非常奇幻。它有很多綠色，有很多粉紅色。我們將要，（this canvas is very whimsical. It has lots of greens, it has a lot of pinks. And we are going to,）
- `05:53` 而且它裡面也有一些產品圖片。它包含了各種情境。我們將用它來（and it also has some product images in it. It has all sorts of context. We are going to use that to）
- `05:59` 進行搜尋。而 Ontology 要做的是，它會接收來自該特定（search. And what Ontology is going to do is it's going to take all of the input from that particular）
- `06:07` 畫布的所有輸入。它會試圖理解所有這些內容。並且它會找到可能適合（canvas. It's going to try to understand all of it. And it's going to find products that might fit）
- `06:11` 該特定房間的產品，這簡直是魔術。你可以用它來購物，就像是在為特定的（in that particular room, which is magical. You can use this almost like you're shopping for a particular）
- `06:18` 氛圍購物一樣。但除此之外，我只是想展示這個特定的（vibe. But beyond that, I just wanted to demonstrate how much input and how much input this particular）
- `06:25` 模型可以接收多少輸入，以及它能以非模糊的方式理解什麼。我覺得很多時候，當你使用（model can take and what it can understand in a non-fuzzy way. I think a lot of times when you use）
- `06:31` 傳統搜尋或向量搜尋加關鍵字時，你給它的東西越多，（traditional search or vector search plus keyword, it's going to become fuzzy the more and the more）
- `06:37` 它就會變得越模糊。而且準確度會下降。有了 Ontology，它能夠將所有內容（things you give it. And it's going to become less accurate. With Ontology, it's able to keep it all）
- `06:43` 很好地記在腦海中，並以非常具凝聚力的方式學習這些主題，從而實現（within its head pretty well and learn about these subjects in a really cohesive way that enables）
- `06:49` 我在電子商務經驗中從未見過的搜尋，這讓我感到非常興奮。（searches that I've never seen before in my e-commerce experience that make me really excited.）
- `06:55` 我也可以做這樣的事情，上傳一個房間並說：（I could also do something like this, where I upload a room and I say like,）
- `07:06` 可能屬於這個房間的家具。如果你從（furniture that might belong in this room. And that is a really interesting search if you think about it）
- `07:14` 資訊檢索通常的工作方式來思考，這是一個非常有趣的搜尋。（from how information retrieval usually works. Because what are you asking me? Are you asking me）
- `07:24` 因為你在問什麼？你是根據氛圍在問我嗎？你是具體在問家具嗎？有各種各樣的事情可以（based on the vibe? Are you asking me specifically for furniture? There's all sorts of things that could）
- `07:30` 從這張特定的圖片中收集，而 Onton 能夠從中提取意義。它為我返回了（be gleaned from this particular image and that Onton is able to extract meaning from. And it's returning）
- `07:37` 一些相當合理的結果，針對那些可能屬於這種有點滑稽、（me some pretty reasonable results for something that might belong in this sort of kind of goofy,）
- `07:44` 有點華麗、奇幻風格房間的東西。希望你能理解 Ontology（sort of glammy, whimsical room. And hopefully you're getting a sense of the types of searches that）
- `07:53` 可以做哪類型的搜尋，以及它能實現什麼。老實說，我們不確定這個模型的極限在哪裡，因為（Ontology can do, what it enables. Honestly, we're not sure where the model stops because of）
- `08:00` 它正在學習多少。它每天都在學習新事物。它每天都帶給我們驚喜。我（how much it's learning. It's learning new things every day. It surprises us every day. And I'm）
- `08:05` 非常興奮地想看到我們的使用者如何使用這個特定的模型，該模型目前已在我們的（really excited to see what our users do with this particular model, which is currently live within our）
- `08:11` 搜尋列中上線。但我們也將在不久的將來釋出這部分的 API，以便我們看看其他人（search bar. But we are also releasing an API of this in the near future so that we can see how other）
- `08:17` 會如何以超乎我們想像的方式使用它。所以謝謝大家的聆聽。謝謝大家（people might use this beyond our wildest imagination. So thanks for listening. Thanks for）
- `08:22` 試用 Ontology One，我很高興看到你們用它來做些什麼。（checking out Ontology One, and I'm excited to see what you do with it.）

## 標籤

新產品, LLM, AIGC, Onton