Busca agêntica com modelos open source: quem ela encontrou, quanto custou e onde tudo quebrou

Um desenvolvedor do Habr conduziu uma série de experimentos sobre busca agêntica usando modelos open source de baixo custo. A ideia principal era entender o stack tecnológico mínimo necessário para uma busca de informações confiável, com fontes verificáveis e sem links inventados. A tarefa era concreta: encontrar contatos de RH e especialistas em IA na empresa Sber para descobrir qual é o conjunto mínimo de ferramentas de que um agente precisa para fazer buscas confiáveis na internet.

Um stack de $20

O autor escolheu um conjunto mínimo de ferramentas. O Agent Hermes é um sistema agêntico com ferramentas de busca, abertura de páginas e registro de resultados. O Ollama é um provedor de modelos open source com uma camada gratuita na nuvem (os seis modelos das duas primeiras etapas rodaram no plano gratuito).

O OpenRouter é um marketplace de modelos para acesso a requisições pagas e ao JEV. O JEV é um pequeno modelo juiz que não faz busca por conta própria, mas verifica as pessoas encontradas segundo três critérios: confirmação do cargo na empresa (0-1), categoria do especialista (RH/IA/ML/outro) e se a pessoa trabalha lá atualmente (0-1). O Grok bot, da X/Cursor, orquestra os agentes e gerencia o experimento.

A busca foi feita via SearXNG (proxy) e Yandex como mecanismo de busca principal, já que o Google bloqueava as requisições com captcha.

Primeiro teste: modelo puro vs. skills

O autor testou um modelo (gemma4:31b) em uma tarefa específica: encontrar 10 profissionais de RH conhecidos da Sber via developers.sber.ru. Sem skills, o modelo encontrou quase todas as pessoas necessárias (revocação de 0,97), mas com 8 resultados extras (precisão de 0,68). Adicionar skills elevou a precisão para 0,88, mas deixou a busca mais lenta, passando de 52 para 121 segundos. O melhor resultado foi o modelo puro combinado com o filtro JEV: revocação de 0,97, precisão de 0,97 e custo de aproximadamente $0,001 por execução. Conclusão: o gargalo não é o modelo, e sim a camada ao redor dele.

Segundo teste: seis modelos em duas tarefas

Em seguida, seis modelos open source foram testados em dois cenários:

• H1 (encontrar RH e recrutadores): o gemma4:31b encontrou 3 contatos confirmados (o melhor resultado), o nemotron-3-super encontrou 1, o gpt-oss:120b encontrou 1, o gpt-oss:20b encontrou 0, o nemotron-3-nano:30b encontrou 1 e o nemotron-3-ultra encontrou entre 0 e 4. Conclusão: a busca por RH praticamente não funcionou em nenhum modelo.

• H2 (encontrar especialistas em IA/ML): apenas três modelos superaram o limite de 5 contatos confirmados nas duas execuções. O gemma4:31b encontrou entre 8 e 15 contatos (uma variação de 1,9 vez). O nemotron-3-super encontrou entre 6 e 10. O gpt-oss:120b encontrou entre 6 e 7 contatos — o resultado mais estável, com 66,5% dos resultados vindos de sites oficiais da Sber, levando 113 segundos na busca.

O nemotron-3-ultra encontrou mais gente do que todos os outros (entre 30 e 33 pessoas), mas com qualidade inferior: o JEV aceitou apenas entre 7 e 8, e o custo foi alto ($0,19-0,38 por execução). O nemotron-3-nano:30b inventou um link — o modelo usou um endereço que não vinha dos resultados de busca. O gpt-oss:20b se mostrou instável: três das quatro execuções retornaram um JSON incorreto. Nos demais casos, praticamente não houve links inventados.

Por que Yandex, e não Google

O Google e o Bing bloqueavam as requisições dos agentes com captcha. A API Custom Search do Google será desativada em 1º de janeiro de 2027 e já não está disponível para novos clientes. A API oficial para acesso completo à web exige um investimento mínimo de $30.

000 por mês. A API de busca do Bing foi encerrada em 11 de agosto de 2025. Em 2026, o Google quebrou os contornos usados pelo SearXNG pelo menos cinco vezes e, a partir de agosto, passou a verificar a impressão digital TLS do cliente.

O Yandex indexa melhor a web em russo: Habr, hh.ru, vc.ru, TAdviser e Rusprofile aparecem como resultados relevantes.

Em instâncias públicas do SearXNG (em outubro de 2026), a taxa média de erro foi: Yandex 0%, Google 10%, DuckDuckGo 60%, Brave 85%.

Modelos pagos

O autor também testou modelos de ponta: Deepseek, Kimi K3, GLM-5.3 (primeira rodada) e Mimo, GPT-6 Luna, Gemini 3.8 flash, Claude Sonn (segunda rodada). Os resultados completos dos modelos pagos estão disponíveis no artigo original.

Conclusões

A nova descoberta é que o gargalo da busca agêntica não é a qualidade do modelo, mas a camada ao seu redor (skills e ferramentas). Um modelo puro combinado com um filtro externo barato funciona melhor do que um modelo com skills embutidas complexas. Buscar RH por fontes abertas é praticamente impossível. Links inventados podem ser evitados quase por completo com uma filtragem adequada.