Yandex Ecom Open Air: Алиса, агентная коммерция и ставка Яндекса
Сходил на Yandex Ecom Open Air. Агентная коммерция — главный лейтмотив дня, про неё говорили и с большой сцены, делали прогнозы. Был ещё обзор Яндекс.КИТ, но мы с вами интересуемся агентами, поэтому поговорим про неё.
🤦🏻♂️ Отдельная ирония: заявку, в которой я указал, что связан с рынком ИИ, на этот фестиваль отклонили.
1️⃣ Что показали по Алисе AI
Ассистенту обещают прокачать память о пользователе, ризонинг и вызов инструментов. Идеальный сценарий, чтобы агент искал за пределами пользовательского запроса. Предлагал лучшие альтернативы. Надеюсь это не будет очередным засильем нестрогого рекламного таргетинга.
2️⃣ Модели у экосистем
Со сцены прозвучало наблюдение: на западе модели принадлежат независимым компаниям, в России — экосистемам. Отдельным пунктом шёл большой объём данных о пользователях как преимущество.
Для качества подбора данные и правда преимущество. Вопрос в том, кому принадлежит ассистент и нет ли конфликта интересов между пользователем и владельцем агента. Для качества подбора данные и правда преимущество.
Яндекс владеет моделью, Маркетом, платежом, доставкой и рассрочкой. Маркировка рекламы уже есть, а вот маркировку агентных рекомендаций пока не придумали, получаем вопрос доверия.
🤔 Моё скромное мнение
Наблюдая за стараниями Яндекса в популяризации агентного екома, ваш покорный слуга уверен в популяризации потребления через ИИ-агентов. Разработчикам MCP стоит готовиться к поддержке всех возможных протоколов, так как у нас уже есть большое разнообразие идей от разных игороков. Скромные прогнозы Data Insights — 11% российского екома у агентов к 2032 году.
Что думаете вы? Уже делали покупки через ИИ-агентов? Доверили бы выбор каких-нибудь товаров ИИ?
----
Поляков считает — AI, код и кейсы
Сходил на Yandex Ecom Open Air. Агентная коммерция — главный лейтмотив дня, про неё говорили и с большой сцены, делали прогнозы. Был ещё обзор Яндекс.КИТ, но мы с вами интересуемся агентами, поэтому поговорим про неё.
🤦🏻♂️ Отдельная ирония: заявку, в которой я указал, что связан с рынком ИИ, на этот фестиваль отклонили.
1️⃣ Что показали по Алисе AI
Ассистенту обещают прокачать память о пользователе, ризонинг и вызов инструментов. Идеальный сценарий, чтобы агент искал за пределами пользовательского запроса. Предлагал лучшие альтернативы. Надеюсь это не будет очередным засильем нестрогого рекламного таргетинга.
2️⃣ Модели у экосистем
Со сцены прозвучало наблюдение: на западе модели принадлежат независимым компаниям, в России — экосистемам. Отдельным пунктом шёл большой объём данных о пользователях как преимущество.
Для качества подбора данные и правда преимущество. Вопрос в том, кому принадлежит ассистент и нет ли конфликта интересов между пользователем и владельцем агента. Для качества подбора данные и правда преимущество.
Яндекс владеет моделью, Маркетом, платежом, доставкой и рассрочкой. Маркировка рекламы уже есть, а вот маркировку агентных рекомендаций пока не придумали, получаем вопрос доверия.
🤔 Моё скромное мнение
Наблюдая за стараниями Яндекса в популяризации агентного екома, ваш покорный слуга уверен в популяризации потребления через ИИ-агентов. Разработчикам MCP стоит готовиться к поддержке всех возможных протоколов, так как у нас уже есть большое разнообразие идей от разных игороков. Скромные прогнозы Data Insights — 11% российского екома у агентов к 2032 году.
Что думаете вы? Уже делали покупки через ИИ-агентов? Доверили бы выбор каких-нибудь товаров ИИ?
----
Поляков считает — AI, код и кейсы
❤5👍3🕊1🙊1
Был нормальный SEO-спец, познакомился с ИИ, стал ужасным
У меня в Металлик и Ко есть команда SEO-специалистов на аутсорсе, которые медленно прокачивали довольно «сложный» сайт к росту трафика. За 2 года органический трафик стал x3 вообще без переделки структуры (с 2 800 до 10 000 визитов). Поэтому считаю их молодцами и периодически хвалю.
🔗 Сложный сайт: metallik.ru
Ребята реально поняли, что сайт нестандартный, придумали, как ему добавить «магазинности», создали категории тегов товарам, информационные статьи: у сайта растёт Share of Voice. Короче, всё вроде красиво.
Но вот к ним в руки попал ИИ (я узнал его по первой строчке в техзадании по антитезе) — и понеслась.
🤦🏻♂️ На что я прифигел
Прилетает рекомендация на доработку раздела профнастила, а там просто лендинг на 26 экранов с отзывами и энциклопедией профлиста.
Выглядит всё нормально и профессионально. Прям убедительно. Таблица, в которой написано, что людям нужны отзывы, они их ищут (лол, что в Гугле) и надо такой экран обязательно. Рядом ответы на главные вопросы, в том числе про снеговые нагрузки. Это очень важно для качественного сайта. И таких 26 экранов.
Но прикол в том, что нормальный человек под каждым пунктом будет спорить:
— 26 экранов на листинге товаров? Это же дофигища, вы куда?
— Отзывы у себя на сайте продавец модерирует сам, доверия к ним меньше, чем к карточке в Яндексе. Отдельный экран под них на листинге — точно не первое, что стоит делать.
— Ребята, у нас вообще-то интернет-магазин на шаблонах, а не лендинг: для нас исправление одной категории профлиста эквивалентно исправлению всех категорий на сайте.
И можно продолжать долго. Короче, проблема ИИ в продвижении в том, что он представляет собой кальку всего успешного успеха, который только можно встретить.
⚠️ На моём опыте есть ряд сфер, где ИИ ужасен
Раньше я любил говорить, что у ИИ есть три области, в которых он из коробки очень плох:
1. ИИ-агенты
2. Реклама в интернете
3. Сайты на PHP
Теперь к списку хочется добавить SEO. В целом эти проблемы предсказуемы и легко объяснимы:
ИИ-агенты, способы их конфигурации, настройки и построение обвязок — это тема 2025–2026 годов. В интернете пока мало материалов на этот счёт, поэтому ИИ часто использует устаревшие идеи.
Реклама в интернете — достаточно старая отрасль, но вся состоит из материалов про успешный успех: как компания-подрядчик включила ретаргетинг/автостратегию/размещения у микроблогеров и какая-то метрика полетела.
Сайты на PHP и материалы, связанные с ними, полны примеров плохих экспериментов и неудачных решений.
SEO туда же. Ключевая мысль тут, что в таких областях надо дополнительно отгружать в ИИ свои знания и свою доменную экспертизу. Какие действия работают, что в рекламе хорошо, как мы пишем и делаем сайты на PHP. Не надеяться на то, что кто-то натренировал ИИ на идеальную рекламу. Не натренировал.
🚀 Сначала отгружаем свою экспертизу и уже на неё зовём ИИ
Прежде чем просить рекомендации, я кладу в контекст четыре вещи: как устроен проект, что физически нельзя поменять, что мы уже пробовали и с каким результатом, по каким правилам принимаем решения. Для «Металлик и Ко» второй пункт звучит буквально так: правка одной категории равна правке всех категорий сразу.
С таким брифом лендинг на 26 экранов просто не рождается. ИИ видит ограничение платформы и предлагает то, что можно раскатить на весь каталог, — а это как раз то, за что я хвалил ребят два года.
А у вас какая область, где ИИ из коробки выдаёт красивую чушь? И что вы кладёте в контекст, чтобы он перестал?
----
Поляков считает — AI, код и кейсы
У меня в Металлик и Ко есть команда SEO-специалистов на аутсорсе, которые медленно прокачивали довольно «сложный» сайт к росту трафика. За 2 года органический трафик стал x3 вообще без переделки структуры (с 2 800 до 10 000 визитов). Поэтому считаю их молодцами и периодически хвалю.
🔗 Сложный сайт: metallik.ru
Ребята реально поняли, что сайт нестандартный, придумали, как ему добавить «магазинности», создали категории тегов товарам, информационные статьи: у сайта растёт Share of Voice. Короче, всё вроде красиво.
Но вот к ним в руки попал ИИ (я узнал его по первой строчке в техзадании по антитезе) — и понеслась.
🤦🏻♂️ На что я прифигел
Прилетает рекомендация на доработку раздела профнастила, а там просто лендинг на 26 экранов с отзывами и энциклопедией профлиста.
Выглядит всё нормально и профессионально. Прям убедительно. Таблица, в которой написано, что людям нужны отзывы, они их ищут (лол, что в Гугле) и надо такой экран обязательно. Рядом ответы на главные вопросы, в том числе про снеговые нагрузки. Это очень важно для качественного сайта. И таких 26 экранов.
Но прикол в том, что нормальный человек под каждым пунктом будет спорить:
— 26 экранов на листинге товаров? Это же дофигища, вы куда?
— Отзывы у себя на сайте продавец модерирует сам, доверия к ним меньше, чем к карточке в Яндексе. Отдельный экран под них на листинге — точно не первое, что стоит делать.
— Ребята, у нас вообще-то интернет-магазин на шаблонах, а не лендинг: для нас исправление одной категории профлиста эквивалентно исправлению всех категорий на сайте.
И можно продолжать долго. Короче, проблема ИИ в продвижении в том, что он представляет собой кальку всего успешного успеха, который только можно встретить.
⚠️ На моём опыте есть ряд сфер, где ИИ ужасен
Раньше я любил говорить, что у ИИ есть три области, в которых он из коробки очень плох:
1. ИИ-агенты
2. Реклама в интернете
3. Сайты на PHP
Теперь к списку хочется добавить SEO. В целом эти проблемы предсказуемы и легко объяснимы:
ИИ-агенты, способы их конфигурации, настройки и построение обвязок — это тема 2025–2026 годов. В интернете пока мало материалов на этот счёт, поэтому ИИ часто использует устаревшие идеи.
Реклама в интернете — достаточно старая отрасль, но вся состоит из материалов про успешный успех: как компания-подрядчик включила ретаргетинг/автостратегию/размещения у микроблогеров и какая-то метрика полетела.
Сайты на PHP и материалы, связанные с ними, полны примеров плохих экспериментов и неудачных решений.
SEO туда же. Ключевая мысль тут, что в таких областях надо дополнительно отгружать в ИИ свои знания и свою доменную экспертизу. Какие действия работают, что в рекламе хорошо, как мы пишем и делаем сайты на PHP. Не надеяться на то, что кто-то натренировал ИИ на идеальную рекламу. Не натренировал.
🚀 Сначала отгружаем свою экспертизу и уже на неё зовём ИИ
Прежде чем просить рекомендации, я кладу в контекст четыре вещи: как устроен проект, что физически нельзя поменять, что мы уже пробовали и с каким результатом, по каким правилам принимаем решения. Для «Металлик и Ко» второй пункт звучит буквально так: правка одной категории равна правке всех категорий сразу.
С таким брифом лендинг на 26 экранов просто не рождается. ИИ видит ограничение платформы и предлагает то, что можно раскатить на весь каталог, — а это как раз то, за что я хвалил ребят два года.
🎯 ИИ не знает вашу отрасль. Он знает, как о ней принято писать в интернете. Поэтому и сыпется ровно там, где публичные материалы состоят из кейсов «включили автостратегию — и всё полетело».
А у вас какая область, где ИИ из коробки выдаёт красивую чушь? И что вы кладёте в контекст, чтобы он перестал?
----
Поляков считает — AI, код и кейсы
👍10❤5🔥2💯1
В канун возвращения пятичасовых лимитов Codex вышло интервью Тибо.
Конкретно в моем кейсе именно пятичасовые лимиты являются причиной вылета в экстра юз в Claude. В результате расходы на Антропик у меня больше 200 баксов. Так что ждём, что расходы на Codex тоже вылезут за пределы лимиты подписки.
UPD. Мне подсказывают, что введение пятичасовых лимитов касается только пользователей с подпиской плюс. Для Pro пока не включают.
Конкретно в моем кейсе именно пятичасовые лимиты являются причиной вылета в экстра юз в Claude. В результате расходы на Антропик у меня больше 200 баксов. Так что ждём, что расходы на Codex тоже вылезут за пределы лимиты подписки.
UPD. Мне подсказывают, что введение пятичасовых лимитов касается только пользователей с подпиской плюс. Для Pro пока не включают.
❤3
Forwarded from НИИ ИИ
Вышло первое большое видеоинтервью с Тибо Соттио — тем самым человеком из OpenAI, который нажимает кнопку сброса лимитов Codex. Я сделал полный перевод и саммари:
Кратко о главном из разговора с Мэттью Берманом:
— Тибо пришёл в OpenAI из DeepMind, где за год до ChatGPT уже был внутренний чат-продукт, который Google побоялась выпускать. Его вывод: культура решает
— у OpenAI исследования и продукт проектируются вместе, а идеи доводятся до релиза очень быстро.
— Слияние ChatGPT и Codex не маркетинговый ход: будущие модели сами требуют объединения. Цель — персональный AGI с интерфейсом, который подстраивается под человека. «Вы и ваша мама будете пользоваться одним и тем же продуктом».
— Сбросы лимитов начались как компенсация за сбои, а не как акция. Решение не согласуется ни с маркетингом, ни с финансами: «я могу нажать кнопку, когда почувствую, что это правильно». И да, физическая кнопка существует.
— Luna подешевела на 80%, потому что фронтирные модели оптимизируют инфраструктуру, на которой сами работают. Тибо называет это формой рекурсивного самоулучшения. Скорость ответов за три месяца выросла примерно на 60%.
— Режим ultra fast (до 14× быстрее) внутри OpenAI выдают не всем: мощности резервируют для клиентов, а внутри он нужен при инцидентах. Через год-два такие скорости станут почти стандартом.
— «Через два-три месяца Codex покажется примитивным»: следующему поколению моделей тесен ноутбук — облачные агенты, параллельная работа, голос.
В статье — саммари подробнее и полный перевод всего интервью: от культуры OpenAI и конкуренции с Anthropic до паузы в обучении фронтирных моделей и СДВГ Тибо.
👉 Первое большое интервью Тибо Соттио из OpenAI: саммари и полный перевод
Кратко о главном из разговора с Мэттью Берманом:
— Тибо пришёл в OpenAI из DeepMind, где за год до ChatGPT уже был внутренний чат-продукт, который Google побоялась выпускать. Его вывод: культура решает
— у OpenAI исследования и продукт проектируются вместе, а идеи доводятся до релиза очень быстро.
— Слияние ChatGPT и Codex не маркетинговый ход: будущие модели сами требуют объединения. Цель — персональный AGI с интерфейсом, который подстраивается под человека. «Вы и ваша мама будете пользоваться одним и тем же продуктом».
— Сбросы лимитов начались как компенсация за сбои, а не как акция. Решение не согласуется ни с маркетингом, ни с финансами: «я могу нажать кнопку, когда почувствую, что это правильно». И да, физическая кнопка существует.
— Luna подешевела на 80%, потому что фронтирные модели оптимизируют инфраструктуру, на которой сами работают. Тибо называет это формой рекурсивного самоулучшения. Скорость ответов за три месяца выросла примерно на 60%.
— Режим ultra fast (до 14× быстрее) внутри OpenAI выдают не всем: мощности резервируют для клиентов, а внутри он нужен при инцидентах. Через год-два такие скорости станут почти стандартом.
— «Через два-три месяца Codex покажется примитивным»: следующему поколению моделей тесен ноутбук — облачные агенты, параллельная работа, голос.
В статье — саммари подробнее и полный перевод всего интервью: от культуры OpenAI и конкуренции с Anthropic до паузы в обучении фронтирных моделей и СДВГ Тибо.
👉 Первое большое интервью Тибо Соттио из OpenAI: саммари и полный перевод
🔥10❤3👍3🥱1
Поляков считает: AI, код и кейсы
Qwen3.8-27B на DGX Spark: балл как у Sonnet 5, скорость как у стажёра Гоняю новую dense-модель Qwen на коробке под столом. Результаты противоречивые ровно настолько, чтобы о них стоило написать. 🏆 Агентный бенчмарк: вровень с фронтиром Прогнал PAC1 — набор…
Qwen3.8-27B на DGX Spark: обогнал Sonnet 5 в PAC-1 и стал быстрее.
Ваш покорный слуга искал способ, как усокрить работу модели. 12-18 токенов в секунду, это конечно очень мало. Плюс есть префилл, хочется немного быстрее получать результат.
Нашёл инструкцию на официальном форуме https://forums.developer.nvidia.com/t/qwen3-8-27b-at-34-38-tok-s-on-dgx-spark-open-source-one-command-setup-sglang-nvfp4-dspark/380257
Это вариант спекулятивного декодинга, когда для предсказания токенов берётся отдельная модель.
📏 Что по статистике
Автор приводит свои замеры:
llama - 27 т/с
vLLM - 24 т/с
SGLang - 34 т/с
Я решил что хочу 34 т/с и пошёл тестировать.
На русском языке получилась деградация, но если работать с кодом или JSON будет очень приятный рост. Прикладываю статистику.
⚠️ Проблема с шиной никуда не девается
Префил по прежнему долгий, на длинных инструкциях первого токена прийдется ждать прилично, но всё равно быстрее чем префилл на vLLM.
Первый токен за 250 мс, а не за 1500 для русского текста.
🔥 Прогнал PAC-1 и модель обошла Опус
Когда начал тестировать генерацию JSON и программирование, то впервые увидел 72 и 44 ток/с. На Nvidia DGX Spark это очень круто. Решил запустить бенч PAC-1 и модель обогнала Opus 4.8.
Скорость прогона обошла наивный запуск без декодинга в 2 раза: уходило по 100 минут на прогон, но это всё равно долго в сравнении с Qwen 3.6 35b a3b. Но взаимодействие в задачах кодинга стало приятнее.
🙋🏻♂️ А что по бизнес задачам?
У рекламных агентств есть неприятная задачка: отчётность по маркировке рекламы в ОРД. Нельзя сказать, что она прям сложгная, у меня давно есть скилл, который позволяет клод опусу создавать таблицы для загрузки.
Но в этот раз я отдал эту задачку агенту на Pi у которого под капотом был Qwen 3.8 27B, и он справился. Правда за 30 минут.
Кто уже тестил маленькие локальные модели на бизнес задачах? Как результаты?
----
Поляков считает — AI, код и кейсы
Ваш покорный слуга искал способ, как усокрить работу модели. 12-18 токенов в секунду, это конечно очень мало. Плюс есть префилл, хочется немного быстрее получать результат.
Нашёл инструкцию на официальном форуме https://forums.developer.nvidia.com/t/qwen3-8-27b-at-34-38-tok-s-on-dgx-spark-open-source-one-command-setup-sglang-nvfp4-dspark/380257
Это вариант спекулятивного декодинга, когда для предсказания токенов берётся отдельная модель.
📏 Что по статистике
Автор приводит свои замеры:
llama - 27 т/с
vLLM - 24 т/с
SGLang - 34 т/с
Я решил что хочу 34 т/с и пошёл тестировать.
На русском языке получилась деградация, но если работать с кодом или JSON будет очень приятный рост. Прикладываю статистику.
⚠️ Проблема с шиной никуда не девается
Префил по прежнему долгий, на длинных инструкциях первого токена прийдется ждать прилично, но всё равно быстрее чем префилл на vLLM.
Первый токен за 250 мс, а не за 1500 для русского текста.
🔥 Прогнал PAC-1 и модель обошла Опус
Когда начал тестировать генерацию JSON и программирование, то впервые увидел 72 и 44 ток/с. На Nvidia DGX Spark это очень круто. Решил запустить бенч PAC-1 и модель обогнала Opus 4.8.
Скорость прогона обошла наивный запуск без декодинга в 2 раза: уходило по 100 минут на прогон, но это всё равно долго в сравнении с Qwen 3.6 35b a3b. Но взаимодействие в задачах кодинга стало приятнее.
😀 Забавно, что код на питоне генерируется быстрее кода на TypeScript (см. скриншоты)
🙋🏻♂️ А что по бизнес задачам?
У рекламных агентств есть неприятная задачка: отчётность по маркировке рекламы в ОРД. Нельзя сказать, что она прям сложгная, у меня давно есть скилл, который позволяет клод опусу создавать таблицы для загрузки.
Но в этот раз я отдал эту задачку агенту на Pi у которого под капотом был Qwen 3.8 27B, и он справился. Правда за 30 минут.
Кто уже тестил маленькие локальные модели на бизнес задачах? Как результаты?
----
Поляков считает — AI, код и кейсы
❤6👍4🔥3
Яндекс Поиск Скилл: плюс рубль на поиск и по сайтам ходить не надо
Обычный поиск через API отдаёт агенту десять ссылок. Ответа в них нет, поэтому дальше агент лезет на пять-семь сайтов, качает HTML, чистит его от меню и баннеров, тащит в контекст всё полученное. На части сайтов ловит 403 и идёт к следующему.
Коллеги из поиска Яндекс.Поиска написали и попросили добавить в мой скилл инфоконтексты — как раз чтобы этот кусок работы исчез. Сделал, потестировал, погонял на боевых задачах.
🔍 Что за инфоконекст вообще такой?
Инфоконтекст — фрагмент найденной страницы примерно на 500 токенов, релевантный запросу. Потолок по документации — 2 048 токенов на документ и до 20 документов на запрос.
Варианты сценария: агент ищет товар, сразу видит цены нужных образцов и решает, стоит ли вообще идти на сайт.
Ну или если надо попросить Claude ходить на всякие
💰 По деньгам всё дорого, но не в стиле Сбера
Синхронный поиск стоит
За этот рубль на поиск агент не делает пять-семь заходов на страницы. Двадцать выдержек — около 10 000 токенов на двадцать источников, столько же обычно съедают три-четыре выкачанные целиком страницы. Плюс нет ожиданий на
У соседей по рынку:
🔸 Perplexity Search API — $5 за тысячу, около 430 ₽, причём до пяти запросов пакуются в одну единицу тарификации. Выгоднее.
🔸 Tavily с извлечением контента — $16 за тысячу, около 1 370 ₽ — то же самое.
Яндекс дороже Perplexity и на уровне с Tavily. Зато поиск по российкому индексы: российские законы, госуслуги, региональные цены и локальные магазины Яндекс будет искать заметно меньше.
📐 Когда рубль не надо платить
Правило, к которому я пришёл: агент отвечает на вопрос — инфоконтексты включаем. Агент собирает таблицу позиций сайта — отложенный режим и никаких выдержек. Мониторим сайты конкурентов: тоже отключаем расширенный контекст.
В зарубежных поисках расширенные снипеты пока не работают, так что для турецкого индекса (я не знаю где ещё яндекс активно работает) включать его не надо.
🧹 Хак, который применил в скилле, и не только в этом
20 выдержек по 500 токенов — это около 10 000 токенов на один поиск. Печатать такое в stdout нельзя.
Делаю так для любого инструмента, который может вернуть много текста: поиск, логи, дампы базы.
Скилл лежит в репозитории, инфоконтексты включены по умолчанию, выключаются флагом
Расскажите, какие сервисы используете для добавления поисковых сервисов своим агентам?
----
Поляков считает — AI, код и кейсы
Обычный поиск через API отдаёт агенту десять ссылок. Ответа в них нет, поэтому дальше агент лезет на пять-семь сайтов, качает HTML, чистит его от меню и баннеров, тащит в контекст всё полученное. На части сайтов ловит 403 и идёт к следующему.
Коллеги из поиска Яндекс.Поиска написали и попросили добавить в мой скилл инфоконтексты — как раз чтобы этот кусок работы исчез. Сделал, потестировал, погонял на боевых задачах.
🔍 Что за инфоконекст вообще такой?
Инфоконтекст — фрагмент найденной страницы примерно на 500 токенов, релевантный запросу. Потолок по документации — 2 048 токенов на документ и до 20 документов на запрос.
💎 Это дословная выдержка из документа. Её можно цитировать и на неё можно ссылаться — ровно то, ради чего в RAG обычно городят отдельный слой парсинга.
Варианты сценария: агент ищет товар, сразу видит цены нужных образцов и решает, стоит ли вообще идти на сайт.
Ну или если надо попросить Claude ходить на всякие
gov.ru сайты.💰 По деньгам всё дорого, но не в стиле Сбера
Синхронный поиск стоит
488 ₽ за тысячу запросов, с инфоконтекстами — 1 500 ₽. Короче плюс рубль на один поиск.За этот рубль на поиск агент не делает пять-семь заходов на страницы. Двадцать выдержек — около 10 000 токенов на двадцать источников, столько же обычно съедают три-четыре выкачанные целиком страницы. Плюс нет ожиданий на
fetch и нет ошибок 403.У соседей по рынку:
🔸 Perplexity Search API — $5 за тысячу, около 430 ₽, причём до пяти запросов пакуются в одну единицу тарификации. Выгоднее.
🔸 Tavily с извлечением контента — $16 за тысячу, около 1 370 ₽ — то же самое.
Яндекс дороже Perplexity и на уровне с Tavily. Зато поиск по российкому индексы: российские законы, госуслуги, региональные цены и локальные магазины Яндекс будет искать заметно меньше.
📐 Когда рубль не надо платить
Правило, к которому я пришёл: агент отвечает на вопрос — инфоконтексты включаем. Агент собирает таблицу позиций сайта — отложенный режим и никаких выдержек. Мониторим сайты конкурентов: тоже отключаем расширенный контекст.
В зарубежных поисках расширенные снипеты пока не работают, так что для турецкого индекса (я не знаю где ещё яндекс активно работает) включать его не надо.
🧹 Хак, который применил в скилле, и не только в этом
20 выдержек по 500 токенов — это около 10 000 токенов на один поиск. Печатать такое в stdout нельзя.
🔑 Инструмент агента пишет объём в файл, а в stdout отдаёт индекс: строка на документ. Дальше агент читает файл целиком или грепает нужный источник.
Делаю так для любого инструмента, который может вернуть много текста: поиск, логи, дампы базы.
Скилл лежит в репозитории, инфоконтексты включены по умолчанию, выключаются флагом
--no-snippets. В SKILL.md про это написал. Весь мой каталог скиллов: https://github.com/artwist-polyakov/polyakov-claude-skills/Расскажите, какие сервисы используете для добавления поисковых сервисов своим агентам?
----
Поляков считает — AI, код и кейсы
👍4🔥4🥴3❤2🥱1🤣1