Исследователь провел эксперимент по поиску контактов HR и специалистов по ИИ в компании Сбер с помощью агентных систем. В стеке использовались локальные модели через Ollama, маркетплейс OpenRouter и модель-судья JEV для фильтрации результатов. На эксперимент было выделено по $10 на каждый сервис.
Попытки использовать Google и Bing для поиска оказались неэффективными из-за капчи и ограничений API. В итоге основным инструментом стал Яндекс через SearXNG. Выяснилось, что усложнение навыков агента увеличивает время работы с 52 до 121 секунды и может снижать полноту поиска, поэтому связка простой модели с быстрым внешним фильтром оказалась эффективнее.
Сравнение шести open-source моделей показало, что поиск HR-специалистов крайне затруднен, однако модели gemma4:31b, nemotron-3-super и gpt-oss:120b успешно находили экспертов по ИИ. Модель gpt-oss:120b показала наиболее стабильные результаты. Nemotron-3-ultra оказалась самой медленной и дорогой, стоимость одного прогона достигала $0,38.
Тестирование платных моделей выявило, что DeepSeek и MiMo лучше справляются с поиском HR. Модель MiMo стала наиболее выгодной в своем раунде, затратив $0,10 на четыре прогона. Самым дорогим решением оказался Gemini 3.8 flash, стоимость одного подтвержденного контакта у которого составила $0,0625.
