Прошлый год был переломным в плане поиска в интернете, люди наконец то прочухали что поиск в интернете через ИИ, позволяет находить информацию гораздо быстрее и получать ответы, а не список ссылок с кучей рекламы.
Поисковики поначалу отвергали инновации в поиске и в то же время популярные форумы и сайты в интернете начали терять трафик, пока тот же Perplexity рос и поглощал поисковый трафик.
Ну и как Илон Маск в свое время, который возглавлял борьбу со злом, позднее сам решил примкнуть и возглавить это зло. Microsoft, Google, Yandex в 2025 году начали внедрять ИИ поиск в поиск. Черт с ними — форумами и сайтами, самим бы трафик не потерять 🙂
Итак, как же работает ИИ поиск в интернете?
- Семантический анализ: ИИ разбирает запрос не по словам, а по смыслу, используя векторные представления (embeddings) для поиска похожего контента. Например, запрос «как приготовить пасту» может включить рецепты, видео и советы по ингредиентам, даже если ключевые слова не совпадают идеально.
- Генеративные ответы: На основе релевантных данных ИИ создает короткие ответы контента, цитируя источники для прозрачности. Это экономит время пользователя, предлагая «обзор от ИИ» вместо ручного чтения страниц.
- Гибридное извлечение: Комбинирует точное совпадение и похожий по смыслу поиск. Например, в системах вроде Bing или Parallel сначала ищутся точные совпадения, затем дополняются семантическими результатами, с учетом свежести и качества источников.
- Персонализация и контекст: Учитывает историю запросов, геолокацию и даже разговорный формат, ИИ поддерживает диалог, как в чатботах.
Если еще короче и проще — вы задаете ИИ вопрос, он использует инструмент поиска, тот еще точные совпадения по смыслу и параллельно, похожи по смыслу. Быстро читает страницы, отбрасывает мусор и собирает ответ. Далее, ИИ получает черновик и выдает ответ. При этом учитывается ваши прошлые запросы и ответы ИИ — вы можете уточнять детали например.
ИИ ограничен в своей базе данных, поэтому AI-чат с поиском, гораздо более релевантная и точнее выдает информацию, чем без. И галлюцинации не проявляется, т.к. ответ базируется на источниках.
На обзоре у нас:
Perplexity — который считается эталоном поиска и занял первым эту нишу на рынке.
Яндекс Алиса — который встроен в AI чат Алиса.
Сбер Гигачат — поиск который встроен в AI чат Гигачат.
Vega — стартап из России.
Добавлю что только Vega не дает бесплатные запросы в Web, это платная услуга. В Vega бесплатно доступен только режим Чата.
Оглавление
Методика тестирования
Я задаю 4 одинаковых вопроса всем AI-чатом в обзоре — Яндекс Алисе, Сбер Гигачат, Vega и Perplexity и далее на 100% субъективно оцениваю их.
Вопрос #1. Сделай анализ рынка IT-вакансий за 2025 год
Тест показывает, насколько объективно Web AI собирает информацию и насколько хорошо он ее выдает — информация, цифры, ценность такой информации.
- VEGA — выполнил анализ около 50 источников и сделал наиболее полезный с точки зрения цифр и фактов ответ.
- Perplexity — выдал одну воду в ответе, полезного я ничего для себя не открыл.
- Алиса — минимум фактов и максимальное количество воды, основанной фактически на одном источнике.
- Гигачат — аналогично Алисе и Perplexity — одна вода.
Вопрос #2. Подключение CloudPayments к Next.js
Здесь важно глубина поиска информации, хорошие Web AI имеет глубину чтение страниц 5 и больше, плохие — прочитают только 1 страницу. Тест показывает насколько хорошо система поиска ищет информации в интернете и насколько глубоко погружается в тему.
- Vega — работал долго, выполнил анализ около 50 источников и сделал превосходный ответ. Учитывая что я занимался этой интеграцией я оценил и код, который выдал и важную информацию по фискализации чеков, учел даже useffect и гидратацию.
- Perplexity — выдал одну воду.
- Алиса — выдала код в ответе и это уже хорошо (не вода), плохо что код нерабочий и подсказка хранить API ключи (который еще и неправильно написал) в коде — откровенно плохая идея.
- Гигачат — выдал код, что уже хорошо! Почти корректно назвал API ключи и написал про env
Вопрос #3. Новости космоса за неделю
Сбор информации в интернете — основная работа Web AI поисковиков, чем она лучше это делает, тем более становится объективность и ценность такой информации. Это не просто качество — а ваше время и деньги.
- Vega — выполнил анализ около 50 источников и выдал много информации, рассказывая в т.ч. о запусках космических ракет.
- Алиса — почему-то постеснялась рассказать о значимых запусках ракет из Южной Кореи и Китая. В информации было больше астрономии.
- Гигачат — аналогично Алисе, решил не рассказывать про новости космонавтики, а дать немного инфы с астрономии. К тому же выдал старую информацию, я просил за неделю.
- Perplexity — не понимаю как он это делает, но ценной информации нет, опять одна вода.
Вопрос #4. О чем статья? — https://habr.com/ru/articles/977260/
Тест показывает насколько хорошо он делает суммаризацию одной конкретной страницы или статьи. Это важный тест, когда вам требуется найти ответ, например, по корректной документации.
Vega — выдал хорошее краткое изложение статьи.
Perplexity — аналогично Vega, хорошее изложение.
Гигачат — выдал плохое изложение, пользы не несет такая информация.
Алиса — вообще не умеет переходить по ссылкам, тест полностью провален.
Выводы:
Из неожиданного — Алиса и Гигачат ищут лучше (субъективно конечно) чем Perplexity.
Алиса и Гигачата имеет превосходство на рынке РФ и решают наверное 80% задач, которые спрашивают люди — в основном задачи очень простые. И они бесплатные — это очень значительный плюс. Из минусов — пользователи сами становятся товаром т.к. ID, IP, запросы — все это используется прежде всего для рекламы и продажи данных третьим лицом. Я думаю это не секрет ни для кого, но это плата за бесплатно.
Peplexity — еще более агресивен в сборе данных, поэтому я например очень не рекомендую их браузер Comet. Плюс их фирменаня повесточка в новостях — забавно читать новости о России, иссключительно из украинских новостных источников.
Ну и подписку для Perplexity в России еще можно купить на маркетплейсах по дешевке, но их сейчас активно отбирает сам Peplexity.
Про Vega ничего не смогу сказать т.к. этой мой продукт.
Как еще протестировать ИИшки, есть идеи?

