Какую нейронку с API и web поиском можете посоветовать?

Question

[Алексей Панин]

Работаю над одним проектом.
Там нужно анализировать данные, ничего сверхсложного.

На текущий момент под имеющийся наборы данных использую бесплатную Gemma-3 27b.
Google даёт на один ключ что-то около 15к запросов в сутки. Мне то в день реально нужно штук 300, не больше, так что все супер. Данные не сложные, так что нейронка справляется с тем, что мне нужно.

Но сложность в том, что не всегда у меня есть нужные данные которые требуются под мои критерии и поэтому я сейчас ищу решение с веб поиском. Т.е. если Gemma-3 не смогу да найти нужное в имеющихся у меня данных, дальше передавать задачу нейросети способной искать в сети нужные данные.

Кто может посоветовать в идеале бесплатную, ну или не дорогую нейросеть способную искать в сети и анализировать информацию на найденных в сети сайтах.

Есть конечно совсем кривые варианты, прикрутить самому поиск через скрипт на питоне и скармливать их содержимое в Gemma, но не уверен в эффективности такого подхода.

Answer 1

[rPman]

perplexity, бесплатная, вроде бы даже есть api (не уверен про его бесплатность). Недостаток - в бесплатном варианте она хилая, почти до неюзабельности, использует с десяток результатов из поиска, не больше.

Есть локальные агенты (в смысле запускаются у тебя но могут использовать api для llm), в зависимости от агента можно искать и анализировать данные.

Но самое важное, универсально, все эти агенты - мусор, может в каких то частных и типовых случаях они задачу решают, но чаще нет или решают ее не полностью. Проблема в универсальности, так как у нас далеко не общий искусственный интеллект, этим интеллектом нужно рулить в процессе... некоторые локальные агенты дают ручки для этого, составление пайплайна, написание промежуточных MCP и т.п. в общем задача превращается в нехилое исследование, при том что тебе по факту может понадобиться сбор данных (условно табличку составить, в которую нужно собрать факты по критерию и атрибутам), и с которыми современные llm справляются тем хуже, чем больше данных в этой табличке.

Поэтому, берете вашу задачу, декомпозируете, и решаете большую ее часть классическим детерменированным методом, которым решали до появления ИИ, и вот тут можно просить помощи у этого ИИ, какие-нибудь примитивные скрипты, и даже анализ данных на сайте для их написания, но...

p.s. ключевые слова для поиска: searchng (локальный или удаленный api для поиска), llocalsearch, langchain, langfuse,.. (честно не смотрел, я уже забыл какие именно пару агентов смотрел, у них у всех одна общая проблема, они все в контекст сваливают)

Я пробовал openhands, причем с qwen3-coder-30b-a3b (буквально на днях вышла qwen3.5-35b-a3b еще круче и еще и vision) и хотя и агент и первая модель заточены на кодинг, их можно просить вести поиск (правда недавно там сломали работу с интернетом и браузером либо я что то не так делаю), он буквально может гуглить, читать сайты, писать мелкие скриптики для решения задачи (он может сам задание себе на это дать), можно буквально попросить создать базу данных и заполнять ее данными из интернета пока не надоест ждать.. если заморочиться, можно сделать свой MCP и настроить как скилл, и вообще что угодно.