Perplexity Sonar и модели с опорой на веб-поиск

Perplexity Sonar — линейка моделей, которые работают иначе, чем обычные чат-модели. Sonar отвечает по результатам веб-поиска, а не из «памяти», и прикладывает ссылки на источники. Поэтому ответ получается свежим и его можно проверить.

В каталоге Yenisei моделей Sonar нет. Ниже — как устроен такой подход и как получить ответы по свежим данным у нас.

Линейка Sonar

• Sonar — базовая, для быстрых ответов на фактические вопросы.
• Sonar Pro — старше, лучше на сложных и многосоставных запросах.
• Sonar Reasoning Pro — добавляет рассуждения поверх поиска: сопоставляет найденное и делает выводы.

Чем это отличается от обычной модели

Обычная LLM знает мир по состоянию на дату обучения и на новый вопрос («что вышло на прошлой неделе») либо честно спасует, либо выдумает. Модель с поиском идёт в веб, собирает свежие источники и отвечает по ним, прикладывая ссылки. Для задач, где важна актуальность, без поиска не обойтись.

По сути это связка двух частей: поиск находит страницы, модель читает их и отвечает. Каждую часть можно выбирать отдельно.

Как получить то же в Yenisei

В чате и в агенте поиск в интернете уже встроен: ответ строится по свежим данным со ссылками на источники. Ничего настраивать не нужно.

Через API связку собирают сами: даёте модели функцию поиска, она решает, что искать, получает результаты и отвечает по ним. Для этого нужна модель с уверенным вызовом инструментов:

• Kimi K2 Thinking (kimi-k2-thinking) — рассуждает и сопоставляет источники;
• DeepSeek V4 Pro (deepseek-pro) — длинный контекст под много найденных страниц;
• Qwen3.8 Flash (qwen-flash) — быстро и недорого для простых фактических вопросов.

curl https://api.yenisei.ru/v1/chat/completions \
  -H "Authorization: Bearer $YENISEI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k2-thinking",
    "messages": [
      {"role": "system", "content": "Отвечай только по результатам поиска. После каждого факта — ссылка на источник."},
      {"role": "user", "content": "Какие изменения в требованиях к маркировке товаров вступили в силу в этом году?"}
    ],
    "tools": [{
      "type": "function",
      "function": {
        "name": "web_search",
        "description": "Найти в интернете страницы по запросу и вернуть заголовки, адреса и выдержки",
        "parameters": {"type": "object", "properties": {"query": {"type": "string"}}, "required": ["query"]}
      }
    }]
  }'

Функцию web_search выполняет ваш код: обращается к поисковику, который вы используете, и возвращает найденное модели сообщением role: tool.

Где поиск на месте, а где нет

Поиск нужен, когда ответу нужна свежесть и источники: мониторинг новостей и рынка, сбор сведений по теме, вопросы «что сейчас с...».

А для задач, где веб не нужен вообще — переписать текст, разобрать приложенный документ, сгенерировать код, — поиск лишний: берите обычную модель. И помните, что качество ответа упирается в качество найденного: по нишевым русскоязычным темам источники стоит перепроверить.