Сан-францисский стартап Onton выпустил Ontology 1 — нейросимволическую модель для сложного, разговорного и мультимодального товарного поиска. На собственном бенчмарке из 90 запросов модель показала средний precision@10 в 0.630, обойдя Google Shopping (0.543) и Amazon (0.469), при этом индексируя лишь около 1% их каталогов.
Как это работает
Классический e-commerce поиск исходит из того, что намерение покупателя сводится к категориям и атрибутам: размер, цена, материал, бренд. Запросы вроде «секционный диван, с которым уживётся питомец» в такой модели не выражаются — фильтра «pet-friendly» просто не существует. Ontology 1 не доверяет ярлыку продавца (его может не быть или он может врать), а рассуждает от объективных свойств — волокно, плетение, конструкция — и помечает утверждения, которым противоречат данные о товаре. Учитывается и надёжность источника: часть листингов накручена, часть отзывов куплена.
Модель строит явную, поддающуюся проверке модель мира вместо того, чтобы растворять закономерности в весах. Если про «pet-friendly» у модели нет сведений, она трактует это как пробел и достраивает ответ через чистящиеся свойства и прочность обивки, а затем переиспользует вывод на последующих запросах — например, «кресло для дома с питомцем» или «моющийся синий диван».
Бенчмарк Subtext-Decor-90
Onton опубликовал бенчмарк Subtext-Decor-90 с кодом и данными. Три мультимодальных судьи — Claude Opus 4.8, Gemini 3.1 Pro и GPT-5.5 — оценивали топ-10 видимых карточек результатов Onton, Amazon и Google Shopping по каждому из 90 текстовых запросов. P@10 усреднялся по судьям с 95% доверительными интервалами из 10 000 бутстреп-выборок.
Итог: Onton 0.630 [0.571, 0.688], Google Shopping 0.543 [0.490, 0.596], Amazon 0.469 [0.417, 0.521]. Onton выиграл 52 запроса outright, Google — 19, Amazon — 16 (в сумме 87: на трёх запросах Ontology вернул меньше 10 результатов). Альфа Криппендорфа между судьями — 0.465, так что абсолютные значения шумные и зависят от судьи, но все трое выстроили движки в одном порядке.
Есть и провальные сценарии: на запросах с функциональными требованиями доминирует категорийная метаданная Amazon — «лампа, которая не разбудит партнёра, если я читаю в 3 часа ночи» (Onton 0.4 против 0.9 у Amazon) или «что-то на странно глубокий подоконник» (0.07 против 0.67). Onton объясняет это размерами каталога и тем, что индексирует только одну вертикаль без спонсорских листингов.
Доступность
Попробовать модель можно на Onton.com, партнёрский доступ выдаётся в индивидуальном порядке командам, строящим на «агентном вебе». Открытых весов, публичного API или тарифов нет — это продукт, а не pip install. На текущий момент индексируется одна вертикаль — товары для дома и мебель; методологию в компании называют применимой и за пределами e-commerce.
Под капотом — граф знаний на собственной графовой СУБД Ograph: один её узел, по заявлению Onton, обходит SuiteSparse:GraphBLAS на 14 ядрах примерно в 100 раз по пропускной способности на ядро, GPU-сборка работает в 43 раза быстрее CPU-варианта, а ранние прогоны выходили на 1000-кратный прирост по мере настройки реализации.
Источник: marktechpost.com