ChatGPT検索リーク発覚、内部に「69の検索エンジン」実在と判明

ChatGPT検索リーク発覚、内部に「69の検索エンジン」実在と判明

要点: GEOリサーチャーのMetehan Yesilyurt氏が、ChatGPTがブラウジング時に送出するサーバー送信イベント(SSE)のデバッグ情報の中に、書き換えられた検索クエリ・呼び出したリトリーバルエンジン名・スコアリング内訳・実際に取得したページ断片までが平文で流れていることを発見した。Peec AIのGEOリサーチャーDavid Konitzny氏が2026年9月17日、この情報を集約し「69の名前付きリトリーバルエンジン」の一覧を公開。ChatGPT独自のインデックス群「Labrador」に加え、Bright(旧Oxylabs系)・SERP・Yelp・TripAdvisor・Microsoft Web IQといった外部プロバイダーの実名、Reciprocal Rank Fusion(RRF)によるランキング統合、鮮度スコアリングや意図検出フラグの存在まで、これまで推測の域を出なかった領域に一次データに近い手がかりが与えられた。

ただし本件はOpenAIが公式に認めた仕様ではなく、単一のリサーチャーによるリバースエンジニアリングの成果である点には注意が必要だ。

最終更新日: 2026年9月19日

何が起きたのか

SSEストリームに残されていたデバッグ情報

ChatGPTがWeb検索を伴う回答を生成する際、ブラウザとの通信にはサーバー送信イベント(Server-Sent Events, SSE)という仕組みが使われている。通常はテキストをリアルタイムに逐次表示するための技術だが、Metehan Yesilyurt氏によれば、このストリームの中に本来ユーザーの目に触れることを想定していないと見られる詳細なデバッグ情報が含まれていた。同氏は自身のSubstack記事および複数のコミュニティ投稿で、週末にこの情報を発見し「something huge(何か大きなもの)」と表現している。

同氏が確認したのは、単なるログの断片ではなく、以下のような一連の処理過程だったという。

• ユーザーの質問がどのように**書き換え(リライト)**られ、どのサブクエリに分解されたか
• 各サブクエリがどのリトリーバルエンジンに送られたか
• 各検索結果に付与されたスコアリング内訳(コンポーネントごとの点数)
• 実際に取得(fetch)したページとその可否判定(should_fetch)
• ページを断片(チャンク)に分割した際のチャンク単位のスコア
• 最終的にモデルへ渡されたプロンプトの実際の中身
• ショッピング・ローカルクエリ向けに用意された専用の結果タイプ

これらの情報を受けて、Peec AIのGEOリサーチャーであるDavid Konitzny氏が2026年9月17日、LinkedIn上で調査結果を体系的にまとめた投稿「The Complete List: Every Search Engine Hidden Inside ChatGPT's Retrieval Leak」を公開し、リーク内から抽出された69の名前付きリトリーバルエンジンを一覧化した。Peec AI公式ブログでも同内容が「ChatGPT built its own search index」として展開されている。

Labradorは単一インデックスではなく「垂直インデックス群」

今回のリークで改めて注目されたのが、OpenAIが自社開発したとみられる内部インデックス「Labrador」の実態である。Labradorは単一の巨大インデックスではなく、コンテンツの種類・業種ごとに専用化された垂直インデックスの集合体であることが、より詳細な形で確認された。

判明した垂直インデックスの内訳は次の通りだ。

• 一般ウェブ
• PDF
• YouTube
• ニュース(3段階の時間層に分けて管理されているとみられる)
• arXiv(学術論文)
• Wikipedia
• Reddit
• 法務・医療(いずれもテキストとPDFを別管理)
• ローカル(店舗・施設情報)
• ファイナンス
• ショッピング(商品)
• 画像

内部の「labradorファミリー」だけでおよそ47種類のエンジンが、コンテンツ種別・業種別の専用パスとして稼働しているとみられる。この構成自体は、2026年8月17日にSearch Engine Landが報じたフランスのSEO/LLMO企業RESONEOによる実証研究(1,200件の回答・88,000件の検索結果・26,900件のページを分析、本メディアでも「ChatGPTの検索基盤『Labrador』実態解明」として既報)で示された「Discovery Index」「Reading Cache」「Live Pages」という3層構造の存在を裏付けるものだが、今回のリークはそこからさらに踏み込み、個々のエンジン名・外部提携先の実名・ランキングの計算式にまで及んでいる点が新しい。

外部プロバイダーの実名が判明

リークからは、ChatGPTが自社インデックスだけでなく、少なくとも8つの外部プロバイダーを組み合わせて利用していることも読み取れたという。判明した主な外部提携先は以下の通りだ。

• Bright(旧Oxylabs系とみられるスクレイピング事業者): Google検索結果を直接スクレイピングして取得
• Oxylabs: 主にニュース系コンテンツのスクレイピングチャネル
• SERP: 汎用スクレイピングチャネル
• Yelp・TripAdvisor: 店舗・飲食・旅行関連のローカル情報源
• Microsoft Web IQ: Microsoft公式のグラウンディング(根拠付け)サービス。20年分蓄積されたBingの検索基盤を土台に、P95レイテンシー165ミリ秒未満で引用可能なコンテキストを返すと説明されている
• 内部専用パイプ(ビジネスサイト・Facebookページ・Googleマップ向けの経路)

これまでLLMO業界では「ChatGPTはBing経由で検索結果を取得しているはずだ」という前提のもと、Bingでの順位をChatGPTでの可視性の代理指標として扱う考え方が一般的だった。しかし今回のリークが示す構図は、ChatGPTがBingを含む複数の外部ソースと自社インデックスLabradorを並行して使い分けているというものであり、Bing順位とChatGPT上の可視性は必ずしも一致しないという見方を補強する材料となった。

ランキングロジック: RRFと複数のスコアリングフラグ

リトリーバル後のランキング処理についても新たな手がかりが得られた。Metehan Yesilyurt氏は、ChatGPTの開発者向けコンソーム(dev console)の中に**Reciprocal Rank Fusion(RRF)**のコードとみられる設定を確認したと報告している。RRFは、複数の検索チャネル(エンジン)から得られた順位情報を「1 / (定数 + 順位)」という単純な式で合算し、統合ランキングを作る手法として情報検索分野で広く使われている標準的な技術だ。リークから確認されたパラメータにはrrf_alpha: 1などが含まれていたという。

さらに、以下のような制御フラグの存在も確認されたと報じられている。

• use_freshness_scoring_profile: true ― コンテンツの鮮度をスコアに反映する設定
• enable_query_intent: true ― クエリの意図(検索意図)を検出する機能
• enable_source_filtering: true ― 情報源の信頼性等でフィルタリングする機能
• use_light_weight_scoring_for_slurm_tenants: true ― 一部の連携先・テナント向けに軽量なスコアリングを適用する設定

またメインのリランキング(再順位付け)モデルとしてret-rr-skysight-v3という名称のニューラルリランキングシステムが使われているとみられる痕跡も見つかっている。

ショッピング・ローカル領域は専用スタックとA/Bテストが進行中

ショッピングクエリについては、通常のウェブ検索とは異なる専用の処理パイプラインが稼働していることも確認された。リークからは以下のような技術要素が読み取れたという。

• BM25(語彙ベースの検索アルゴリズム): 候補を絞り込む一次フィルタとして使用され、候補数をおよそ10件まで絞り込む
• rerank400: 400件規模の候補に対する再ランキング処理
• ann4096: 12,288次元・4,096次元のベクトルを用いた近似最近傍(ANN)検索

さらに、shopping-reduced-topn-v4bやprefer-index-over-serp-v3といった名称のA/Bテストが、トラフィックの一部(報道では8〜20%程度とされる)に対して実施中であることも判明した。これは、自社インデックス(Labrador)を優先するか、外部SERP経由の結果を優先するかを継続的に検証している段階にあることを示唆している。

キャッシュに関しては、大規模なテストドメイン(推計10億ページ規模)に対して、1時間あたり約35,000リクエストのペースで自動クロールが行われ、およそ600万ページがキャッシュされたとする分析も紹介されている。

留保: リサーチャー個人による解析であり公式仕様ではない

重要な留保点として、今回明らかになった情報はOpenAIが公式に発表・確認したものではなく、単一のリサーチャーによるSSEストリームの観察とリバースエンジニアリングに基づく分析である。「Labrador」という名称や、69という具体的なエンジン数、各コンポーネントの正確な役割分担についても、OpenAI自身のアナウンスはない。2023年のGoogleに対する反トラスト裁判における証言で、当時ChatGPT検索責任者だったNick Turley氏が「OpenAIは2023年から自社の検索インデックス構築に着手しており、完全な自社インデックスへの移行には少なくとも5年程度を要する」との趣旨を証言した記録があり、今回のリーク内容はこの証言とも整合的だと指摘されている。とはいえ、内部コンポーネントの命名や個別の実装詳細は、今後変更されたり、解釈が修正されたりする可能性がある「観測時点のスナップショット」として扱うのが妥当だ。

国内外の反応

海外のLLMO/GEOコミュニティでは、今回のリークを「ブラックボックスだったChatGPTの内部処理に、初めて具体的な実装名と設定値でメスが入った事例」として受け止める声が目立つ。Peec AI・Digital Yeastなど複数のGEO専門メディアが独自の解説記事を出し、Metehan Yesilyurt氏の発見を後追い・検証する動きが相次いだ。特に、外部提携先としてMicrosoft Web IQ・Yelp・TripAdvisorといった具体名が挙がったことは、「ChatGPTのローカル・ショッピング領域における情報源の実態」を裏付ける材料として注目されている。

一方で、今回の情報が個人による非公式なリバースエンジニアリングの成果である以上、数値やエンジン名を過度に一般化することへの慎重論も見られる。8月のRESONEO研究(大規模かつ体系的な観測ベースの実証研究)と、今回のリーク由来の情報(内部設定の断片的な観察)とでは、情報の性質・信頼性のレベルが異なる点には注意が必要だ。日本国内のLLMO/SEO業界では本稿執筆時点でこの話題への大規模な言及はまだ限定的だが、ChatGPTの検索アーキテクチャに対する関心の高まりを受けて、今後国内の専門メディアやツールベンダーからも解説が出てくることが見込まれる。

aiseo-llmo.com ユーザーへの影響(業種別)

ECサイト・小売業

ショッピングクエリに専用のBM25→再ランキング→ANN検索という多段パイプラインと、複数のA/Bテストが同時進行していることが確認された意味は大きい。商品データの構造化(商品名・価格・在庫・レビュー等のスキーマ整備)がLabradorのショッピング専用インデックスに直接反映される可能性が高く、Google ShoppingのフィードデータをChatGPT向けにも流用・整備しておく発想が今後さらに重要になる。

飲食・宿泊・店舗ビジネス(ローカル)

Yelp・TripAdvisorが外部提携先として名指しされたことから、これらのプラットフォーム上の情報(店舗名・住所・営業時間・メニュー・レビュー)の正確性・鮮度が、ChatGPT上でのローカル関連の回答に直結する可能性が高い。自社サイトの情報整備だけでなく、Yelp・TripAdvisor等のプロフィール情報を定期的に見直すことが実務上の対応として重要度を増す。

メディア・ニュースサイト

ニュース系コンテンツが3段階の時間層に分けて管理されているとみられる点、Oxylabs経由のスクレイピングチャネルが存在する点から、速報性の高いニュースサイトでは公開直後のクロール・インデックス反映速度が引用機会に影響する可能性がある。更新頻度とサイトマップ・RSSの整備状況を改めて点検する価値がある。

士業・専門サービス業

法務・医療領域が専用の垂直インデックス(テキスト・PDF別)として管理されている点は、専門性の高い情報を発信するサイトにとって重要な示唆となる。一般的なウェブインデックスとは別枠で評価されている可能性があるため、専門分野に特化した高品質コンテンツの継続的な発信が、この垂直インデックスでの露出機会につながると考えられる。

今すぐできる対応策

1. ロックダウンモードでの自社キャッシュ検証

ChatGPTのブラウジング機能をオフにした状態(いわゆるロックダウン/メモリのみのモード)で、自社の最新ページの内容について質問してみる。正しく最新情報で回答できればLabradorへのインデックス・キャッシュが機能している可能性が高く、古い情報や「わからない」という回答が返る場合は、クロール頻度やクロール予算に問題がある可能性が疑われる。

2. ページサイズとクロール効率の最適化

8月のRESONEO研究で明らかになった「4MBを超えるページは部分読み込みではなく完全に拒否される」という挙動を踏まえ、不要なJavaScript・画像埋め込みを削減し、HTMLベースでの軽量化を進める。Core Web Vitalsの改善は人間のユーザー体験だけでなく、AIクローラーによるキャッシュの鮮度にも影響する可能性がある。

3. 構造化データ(JSON-LD)の整備

Product・LocalBusiness・FAQPage・Articleなど該当するスキーマを漏れなくJSON-LD形式でマークアップする。特にショッピング・ローカル領域は専用インデックスが確認されているため、構造化データの正確性が直接的な評価要素になりうる。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "商品名",
  "offers": {
    "@type": "Offer",
    "price": "19800",
    "priceCurrency": "JPY",
    "availability": "https://schema.org/InStock"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.6",
    "reviewCount": "128"
  }
}
</script>

4. Yelp・TripAdvisor等の外部プラットフォームの情報整備

ローカルビジネスの場合、自社サイトの改善だけでなくYelp・TripAdvisorといった外部プラットフォーム上のプロフィール情報(営業時間・メニュー・住所・写真)を定期的に更新し、レビューへの返信などエンゲージメントも継続する。

5. GPTBotのクロールログ確認

サーバーログやCDNのアクセスログでGPTBotのクロール頻度・対象ページを定期的に確認し、重要ページがクロールされていない場合はrobots.txt・サイトマップの設定を見直す。クロールされていてもキャッシュに反映されていない場合は、更新頻度やページの安定性(頻繁なURL変更等)が影響していないか点検する。

6. 一次情報・専門性の強化

士業・医療・金融など専門性の高い領域では、独自調査データや専門家による見解など、他サイトの内容を要約しただけではない一次情報としての価値を強化する。垂直インデックスでの評価が独立している可能性がある以上、汎用的なウェブコンテンツとしての最適化だけでなく、専門ドメインに特化した信頼性の構築が重要になる。

今後の見通し

OpenAIが今回のリーク内容について公式にコメントする可能性は現時点では不透明だが、過去の類似事例(検索パイプラインや引用ロジックに関する非公式な分析が後日一部裏付けられるケース)を踏まえると、LLMO/GEO業界は今後もこの種のリバースエンジニアリング情報を継続的に追跡していくとみられる。特に、ショッピング・ローカル領域で進行中とされるA/Bテスト(shopping-reduced-topn-v4bやprefer-index-over-serp-v3など)の帰結によっては、自社インデックス優先の度合いが変化し、外部SERPやBing経由の可視性がChatGPT上の露出に与える影響度も変わっていく可能性がある。

また、8月のRESONEO研究、今回のSSEリーク分析と、ChatGPTの内部構造に関する一次情報に近い情報が短期間で複数出てきている流れは、GEO(生成エンジン最適化)という実務領域が「推測に基づくベストプラクティス」から「観測データに基づく技術的な最適化」へと成熟しつつあることを示していると言える。今後は、Google検索のアルゴリズム変動を追跡してきたのと同様に、ChatGPTをはじめとする生成AIの内部リトリーバル挙動の変化を継続的にモニタリングする体制が、LLMO実務において標準的な取り組みになっていくと考えられる。

よくある質問

Q1. 「Labrador」とは結局何なのか、公式な名称なのか?

OpenAIが公式に名称を発表したものではなく、リサーチャーがSSEストリームの内部設定から読み取った内部コード名とみられる。ただし、複数の独立した調査(8月のRESONEO研究、9月のSSEリーク分析)で一貫して同様の構造・名称が確認されており、実在するコンポーネントである可能性は高いと考えられている。

Q2. 69の検索エンジンとは具体的に何を指すのか?

Labrador内の垂直インデックス群(約47のエンジン)に加え、Bing・SerpAPI・Microsoft Web IQ・Bright・Oxylabs・Yelp・TripAdvisorなど外部プロバイダー経由の経路を含めた、リーク内で個別に名前が確認できたリトリーバル経路の合計とされる。正確な内訳・分類方法は公開資料ごとに多少異なる場合がある。

Q3. Bingでの検索順位はもうChatGPTの可視性と無関係になったのか?

無関係になったとまでは言えないが、直結する代理指標としては扱えなくなったと考えるべきだ。ChatGPTは自社インデックスLabradorと外部ソース(Bingを含む)を併用しており、Bing順位が高くてもLabrador側でクロール・キャッシュされていなければ引用されない可能性がある。

Q4. この情報はどの程度信頼できるのか?

単一のリサーチャーによる非公式なリバースエンジニアリングの成果であり、OpenAIの公式発表ではない点には留意が必要だ。ただし、複数の独立したGEO専門メディアが後追い検証を行い、8月の実証研究とも整合する内容であることから、業界内では一定の信憑性があるものとして受け止められている。

Q5. RRF(Reciprocal Rank Fusion)とは何か、なぜ重要なのか?

複数の検索エンジン・チャネルから得られた順位情報を、「1 ÷ (定数 + 順位)」という式でシンプルに合算し、統合ランキングを作る情報検索の標準的な手法。ChatGPTがこの手法を使っているとみられることから、特定の1つのエンジンだけで上位に来ることよりも、複数の経路(自社インデックス・外部SERP・専門ドメインなど)で幅広く安定的に発見される方が、最終的な統合ランキングで有利になる可能性が示唆される。

Q6. ショッピング領域で自社サイトが不利にならないためにはどうすればよいか?

商品名・価格・在庫状況・レビュー等を正確な構造化データ(JSON-LDのProductスキーマ等)で提供し、情報の鮮度を保つことが基本となる。BM25による一次絞り込みの段階で候補から漏れないよう、商品名や仕様を検索されやすい自然な言葉で明記しておくことも有効と考えられる。

Q7. 中小企業や個人サイトはこの情報にどう向き合えばよいか?

内部の技術詳細をすべて追いかける必要はないが、「更新頻度を保つ」「ページを軽量に保つ」「構造化データを整備する」「ローカルビジネスであれば外部プラットフォームの情報も整える」という基本的な対応の重要性が、技術的な裏付けをもって改めて確認されたと捉えるのがよい。

Q8. 今回の情報はセキュリティ上の問題(データ漏洩)なのか?

ユーザーの個人情報や機密データが漏洩したという性質のものではなく、ChatGPTが検索処理を行う際の内部的な設定・ログ情報がデバッグ用途で意図せず外部から観測可能な状態になっていたとみられる事例である。OpenAI側でこの点に対する修正対応が行われたかどうかについては、本稿執筆時点で公式な言及は確認されていない。

Q9. 8月のRESONEO研究と今回のリークはどちらを信頼すべきか?

両者は補完関係にあると捉えるのが適切だ。RESONEO研究は1,200件の回答・88,000件の検索結果という大規模かつ体系的な観測に基づく実証研究であり、全体像の把握に適している。一方、今回のSSEリーク分析は個別の内部設定値・エンジン名・ランキングロジックといった、より粒度の細かい技術的詳細を提供している。

Q10. 今後もこの種の情報は出てくるのか?

生成AIの検索・引用ロジックはGEO/LLMO業界にとって関心の高いテーマであり、今後も個々のリサーチャーによる観察・分析、あるいはOpenAI自身による部分的な情報開示が断続的に出てくる可能性は高い。本メディアでも継続的に動向を追跡し、実務対応につながる情報を随時お届けする。

関連記事

• ChatGPTの検索基盤「Labrador」実態解明 ― 引用の裏側を初めて可視化
• ChatGPTの検索(Search)で引用されるための記事作成術
• ChatGPTに自社サイトが引用されているか確認する方法
• ChatGPTに引用されない理由と改善策
• LLMO完全ガイド
• AI検索最適化ガイド