Свежие ответы со ссылками: как работать с моделью с веб-поиском

Модели вроде Sonar от Perplexity отвечают не из памяти, а по результатам веб-поиска. Так же работает поиск в интернете в чате и агенте Yenisei. Поэтому и работать с такой моделью надо иначе: между вопросом и ответом есть поиск, и на него можно влиять формулировкой.

Sonar в каталоге Yenisei нет; приёмы ниже одинаково работают и для неё, и для поиска у нас, и для связки «модель + поиск», которую вы собираете через API.

Формулируйте так, будто ищете сами

Модель превращает ваш вопрос в поисковые запросы. Чем конкретнее вопрос, тем точнее выборка.

• Плохо: «Расскажи про новые правила».
• Хорошо: «Какие изменения в правилах маркировки молочной продукции в РФ вступили в силу в 2026 году? Приведи даты и ссылки на официальные источники».

Указывайте регион, период, тип источника («официальные», «отраслевые СМИ») — всё это сужает поиск в нужную сторону.

Всегда просите источники

Требуйте ссылки явно: «После каждого факта — ссылка на источник». Так вы получаете проверяемый ответ, а не гладкий пересказ неизвестно чего.

Через API это задаётся системным сообщением — а поиск модель вызывает как инструмент, который выполняет ваш код:

from openai import OpenAI
client = OpenAI(base_url="https://api.yenisei.ru/v1", api_key="YENISEI_KEY")
resp = client.chat.completions.create(
    model="kimi-k2-thinking",
    messages=[
        {"role": "system", "content": (
            "Отвечай кратко и по делу, только по результатам поиска. "
            "После каждого утверждения — ссылка на источник. "
            "Если источники противоречат друг другу — укажи это явно."
        )},
        {"role": "user", "content": "Сравни текущие условия по льготной ипотеке у двух-трёх крупнейших банков РФ."},
    ],
    tools=[WEB_SEARCH_TOOL],  # описание функции поиска, её выполняет ваш код
)

Какую модель поставить за поиском

• Простой фактический вопрос — курс, дата, определение, «что произошло»: Qwen3.8 Flash (qwen-flash) или DeepSeek V4 Flash (deepseek-flash), быстро и недорого.
• Обзор и сравнение, где найденного много: DeepSeek V4 Pro (deepseek-pro) — длинный контекст вмещает десятки страниц.
• Противоречивые источники, где нужно не пересказать, а рассудить: Kimi K2 Thinking (kimi-k2-thinking) — модель с явными рассуждениями.

Чего от поиска ждать не стоит

• Разбор приложенного документа. Если данные у вас на руках, поиск не нужен — модель справится лучше и дешевле без него.
• Сочинение текстов. Поиск помогает с фактами, а не с сочинением.
• Слепое доверие. Ответ хорош ровно настолько, насколько хорош веб по вашей теме. По массовым темам — отлично; по узким русскоязычным нишам источники стоит открыть глазами.

Практический вывод

Относитесь к модели с поиском как к быстрому помощнику по сбору сведений, а не как к оракулу. Дайте ей точный вопрос, потребуйте ссылки, перепроверьте важное по источникам. Тогда она справится с тем, что обычной модели недоступно: с ответами, привязанными к сегодняшнему дню.