Независимый исследователь провёл мониторинг шести ИИ-движков на фиксированном наборе из 60 русскоязычных промптов в нише контент-производства, собирая данные в мае, июне и июле. Целью было выяснить, насколько пересекаются источники, которые разные модели цитируют в ответах на одни и те же запросы. Ожидалось, что разброс будет умеренным, как у обычных поисковиков, но результат оказался неожиданным: из 174 уникальных доменов, процитированных хотя бы одним движком за последний срез, только семь встретились одновременно у ChatGPT-search и Яндекс-нейропоиска. При этом три из шести моделей — Perplexity, Gemini и Claude — вовсе не предоставили машиночитаемых списков источников, что сделало сравнение возможным лишь для двух систем.

Методология исследования опиралась на логи мониторинга в формате JSON, где для каждого запроса фиксировались поля sources_cited с доменами и URL. Для расчёта пересечения использовался коэффициент Жаккара, который измеряет долю общих элементов в объединённом множестве: единица означает полное совпадение, ноль — отсутствие пересечения. Чтобы отличить структурные расхождения от временного шума, были взяты три временных среза для каждого движка. ChatGPT-search в мае показал 47 доменов, в июне — 78, в июле — 79; Яндекс-нейропоиск — 92, 91 и 102 соответственно. Внутри одного движка коэффициент Жаккара между разными срезами составил 0,17–0,25 для ChatGPT и 0,35–0,46 для Яндекса, что указывает на заметную, но не критичную волатильность. Однако между движками в любой паре срезов показатель оказался на уровне 0,04–0,07, то есть в 4–9 раз ниже, чем у одного и того же движка через месяц.

Технически разница объясняется архитектурой индексации и ретрива. ChatGPT-search, судя по данным, активнее подмешивает свежепроиндексированные страницы, в том числе из недавно появившихся нишевых сайтов, что ведёт к более частому обновлению пула источников и высокой волатильности — почти половина доменов меняется от месяца к месяцу. Яндекс-нейропоиск, напротив, демонстрирует более устойчивое ядро источников, опираясь на устоявшуюся органическую выдачу по коммерческим запросам. Это подтверждается и тем, что собственные срезы Яндекса пересекаются между собой значительно сильнее (0,35–0,46 против 0,17–0,25 у ChatGPT). Разница в 0,04–0,07 между движками не может быть объяснена случайным дрейфом — она указывает на то, что системы используют принципиально разные базы знаний и алгоритмы отбора релевантных страниц.

Контекст исследования важен для понимания текущего состояния рынка ИИ-поиска. ChatGPT-search от OpenAI и Яндекс-нейропоиск представляют собой два разных подхода к интеграции генеративных моделей с веб-ретривом. ChatGPT использует собственную поисковую инфраструктуру, основанную на индексе Bing и дополнительных алгоритмах ранжирования, что даёт ему доступ к широкому, но быстро меняющемуся пулу источников. Яндекс, в свою очередь, опирается на собственный поисковый индекс, десятилетиями оптимизировавшийся под русскоязычный контент, что объясняет большую стабильность и ориентацию на локальные ресурсы. Это приводит к тому, что даже при одинаковых запросах модели видят разные интернеты: ChatGPT чаще цитирует международные и нишевые сайты, тогда как Яндекс фокусируется на проверенных русскоязычных доменах с высоким авторитетом в своей выдаче.

Для российского рынка эти результаты имеют практическое значение. Пользователи, полагающиеся на один ИИ-поисковик, рискуют получать систематически искажённую или неполную картину, особенно в тематиках, где ключевые источники могут быть представлены только в одном из индексов. Например, при поиске информации о локальных российских услугах или законодательных изменениях Яндекс-нейропоиск, скорее всего, будет точнее, тогда как для глобальных технологических трендов или англоязычного контента ChatGPT-search может дать более широкий охват. Разработчики и аналитики, использующие ИИ для сбора данных, должны учитывать эту асимметрию при проектировании систем мониторинга и агрегации информации, чтобы избежать слепых зон.

Сравнение с альтернативами подчёркивает уникальность ситуации. Perplexity, Gemini и Claude в текущей конфигурации не предоставляют машиночитаемых источников, что ограничивает возможности для автоматического анализа. Однако даже если бы они участвовали, структурное расхождение между ChatGPT и Яндексом осталось бы ключевым выводом: два движка видят разные интернеты не из-за случайности, а из-за фундаментальных различий в архитектуре. Это напоминает ситуацию с традиционными поисковиками, где Google и Яндекс десятилетиями выдавали разные результаты по одним и тем же запросам, но в контексте ИИ-поиска разрыв становится ещё более заметным из-за меньшего числа промежуточных слоёв фильтрации.

Перспективы развития этой области связаны с возможной конвергенцией индексов или, наоборот, углублением расхождений. Если OpenAI расширит партнёрства с локальными поисковыми системами, ChatGPT-search может начать лучше покрывать русскоязычный сегмент, а Яндекс — интегрировать больше международных источников через собственные краулеры. Однако пока оба движка остаются в своих парадигмах, пользователям стоит учитывать, что выбор ИИ-поисковика определяет не только качество ответа, но и то, какие источники будут процитированы. Открытым остаётся вопрос, насколько такое расхождение влияет на достоверность и полноту информации, особенно в чувствительных областях, где пропуск ключевого источника может привести к неверным выводам.