Deel представила ИИ-модели Pangaea для кадров и расчёта зарплат: узкие специалисты удешевят ответы

Задача кадрового ассистента — не только дать правдоподобное объяснение. Ему нужно быстро найти верное правило для страны, в которой работает сотрудник, чтобы ответ помог принять решение до того, как ошибка повлияет на выплату зарплаты.

Deel, разработчик программного обеспечения для кадровых процессов и расчёта зарплат, считает, что компактные ИИ-модели, обученные на таких задачах, могут отвечать на многие подобные вопросы эффективнее крупных универсальных моделей.

Компания представила Pangaea — две специализированные языковые модели — и Emet, бизнес по подготовке экспертных обучающих материалов и оценке работы ИИ.

Вместе эти продукты позволят Deel улучшать собственного ассистента и предлагать другим разработчикам ИИ экспертные знания, на которых он основан.

Первый заметный результат показала модель знаний Pangaea K1. В тестировании Deel она набрала 70 баллов при лучшем результате 75, а медианное время ответа составило 7,7 секунды. По материалам, которые Deel предоставила VentureBeat, четыре модели с более высокими оценками отвечали от 14,8 до 28,4 секунды.

Это результаты компании на тесте, разработанном самой Deel. Они показывают, с каким практическим вопросом сталкиваются разработчики программного обеспечения: сколько стоит каждый раз обращаться к внешней ИИ-модели, если компактную модель можно обучить самостоятельно отвечать на повторяющиеся вопросы?

Две модели для разных задач

В Pangaea входят K1, которая отвечает на вопросы о правилах найма и рабочих процедурах, и P1, специализирующаяся на расчёте зарплат.

Deel доработала существующие модели с доступными для скачивания весами, а не обучала новые базовые модели с нуля. В письменных ответах VentureBeat компания сообщила, что K1 создана на основе неназванной модели с 9 миллиардами параметров — числовых значений, определяющих её поведение.

Deel продолжила обучение модели на внутренних справочных материалах, а затем научила её формировать ответы на примерах, созданных более способной моделью-учителем. Этот процесс меняет саму модель, позволяя ей воспроизводить информацию без предварительного поиска каждого подходящего документа.

По данным компании, её справочная база включает более 43 500 страниц, которые поддерживают свыше 2 000 специалистов по трудовому праву, кадрам, расчёту зарплат и нормативным требованиям. Обучающие материалы K1 содержат переписанные версии этих сведений и небольшую долю общих текстов — всего около 1,2 миллиарда токенов.

P1 устроена иначе. По словам Deel, она основана на семействе моделей Nemotron от Nvidia и дополнительно обучена AI21 Labs на примерах по расчёту зарплат, подготовленных через Emet. Deel не раскрыла точную версию Nemotron и базовую модель K1.

Deel подчёркивает, что ни одна из новых моделей не обучается на данных, позволяющих идентифицировать сотрудников, или на реальных зарплатных ведомостях клиентов. Для обучения используются документы и примеры, подготовленные специалистами.

Как Pangaea появится в Deel

Клиенты будут работать с Pangaea через Deel AI — ассистента, уже встроенного в программное обеспечение компании. Он предназначен для объяснения местных требований к найму, права на отпуска и вопросов о расчёте зарплат.

Однако это не означает, что на каждый вопрос будет отвечать Pangaea. Deel оставляет универсальные модели для запросов, где нужны их возможности, в том числе для более широких рассуждений и сложных рабочих процессов с ИИ-агентами.

В интервью VentureBeat старший директор по продукту Deel Абхиджит Мехта описал систему, которая выбирает модель в зависимости от вопроса. По его словам, компания подбирает наиболее подходящую модель для каждой задачи.

Клиентам не нужно выбирать её самостоятельно.

Сооснователь и генеральный директор Deel Алекс Боуазиз сказал VentureBeat, что клиентам будут просто предоставлять лучший ответ настолько быстро, насколько это возможно.

Отдельное подключение Deel к Claude через протокол контекста модели (MCP) работает иначе. Если пользователь задаёт вопросы Deel из Claude, ответ по-прежнему формирует Claude на основе предоставленной подключением информации, пояснила компания. Подключение Deel не переключает Claude на Pangaea автоматически.

Deel также отмечает, что поиск по документам остаётся полезным дополнением к K1: он помогает приводить ссылки на источники, проверять детали и учитывать изменения, произошедшие после обучения. Знание трудовых правил не отменяет необходимости проверять, не изменились ли они.

Что показывает бенчмарк

EmBench Global Work проверяет 601 вопрос о процедурах компаний и международных трудовых правилах. Deel предоставила конкурирующим моделям доступ к одной и той же справочной базе, а затем поручила другой ИИ-модели оценить отдельные факты в их ответах.

В таблице бенчмарка K1 опережает Gemini 3.8 Flash с результатом 69 баллов, GPT-6 Sol с 59 баллами и GPT-6 Luna с 52 баллами. Лидирует DeepSeek V4.1 Flash с 75 баллами. За ним следуют Claude Opus 5.5 с 74 баллами, GLM 5.3 Flash с 72 и Claude Sonnet 5.5 с 71 баллом.

Эти результаты не доказывают, что K1 точнее всех остальных. Они показывают, что на этом конкретном тесте специализированная модель приблизилась к лидерам, затрачивая меньше времени на ответы.

Обучение тоже заметно меняет результат. Согласно таблице Deel, исходная модель с 9 миллиардами параметров набрала 19 баллов без поиска и 46 — с поиском, тогда как доработанная K1 получила 70 баллов.

Эти оценки отражают результаты моделей по методике Deel. Сами по себе 70 баллов не означают, что система правильно выполняет 70% операций по расчёту зарплат или может самостоятельно принимать решения о найме.

В тесте сравниваются целые системы с разными подходами: K1 воспроизводит усвоенные сведения, а конкуренты используют поиск. Такой формат отражает устройство продукта Deel, но не даёт универсального рейтинга базовых моделей.

Emet также представила EmBench Payroll — тест, основанный на знаниях специалистов о требованиях к расчёту зарплат в разных странах. Deel утверждает, что P1 приближается к ведущим моделям в ответах на сложные вопросы этого теста. Это отдельное заявление, не связанное с результатами K1; ни одна из оценок не подтверждает надёжную работу во всех странах и во всех ситуациях, связанных с выплатой зарплат.

Во время подготовки материала VentureBeat не смогла открыть общедоступный сайт бенчмарка и самостоятельно повторить тестирование.

Зачем Deel развивает бизнес по обучению ИИ

Emet нужен не только для проверки собственного чат-бота Deel.

Компания описывает три направления работы:

Коммерческое предложение опирается на уже существующую инфраструктуру Deel. В открытом профиле компании указано, что у неё более 40 000 клиентов, а деятельность охватывает 150 стран. Deel уже нанимает, проверяет, оформляет по контракту и оплачивает специалистов в разных юрисдикциях. Emet использует эту инфраструктуру для работы с людьми, которые создают и оценивают материалы для обучения ИИ.

Боуазиз сообщил, что Deel уже сотрудничает с крупными лабораториями ИИ, но не назвал их в интервью. Он считает, что в сфере деловых операций компания может предоставлять экспертные знания, нужные разработчикам, когда те выходят за рамки универсального чата и программирования.

Deel служит первой площадкой для проверки подхода: эксперты выявляют недостатки, готовят дополнительные примеры и оценивают новые версии моделей. Мехта рассказал, что за предыдущие три недели команда ежедневно выпускала внутренние версии моделей. По его словам, со временем может оказаться целесообразным обновлять их раз в неделю.

Пока это ожидание, а не обещанный график выпуска.

Новые продукты дополняют отдельно доступную платформу автоматизации Deel под названием Akai. Она координирует ИИ-агентов, выполняющих рабочие процессы; Pangaea предоставляет экспертные ответы; Emet готовит материалы и тесты, которые могут улучшить работу моделей. Клиентам Akai не требуется отдельная подписка Deel на расчёт зарплат или кадровые услуги.

Цена и контроль для бизнеса

Для Deel более быстрые ответы полезны клиентам, а сокращение затрат на запросы к моделям может улучшить экономику внедрения ИИ во все её продукты.

Боуазиз подчеркнул, что расходы на ИИ для клиентов влияют на валовую маржу. Если перевести больше специализированных запросов на модели, которые контролирует сама Deel, компания сможет меньше зависеть от внешних поставщиков и лучше управлять стоимостью ответов.

Однако это ещё не доказывает, что общие затраты на владение системой снизятся. Обучение, размещение моделей, оценка результатов, поддержка документов и проверка экспертами тоже требуют вложений. В изученных материалах нет независимо подтверждённой оценки ежемесячной экономии.

По словам Deel, ассистент входит в существующие подписки на продукты компании, отдельной платы за каждый вопрос нет. Компания не объявляла о доступных для скачивания весах Pangaea или общедоступном API Pangaea с опубликованными тарифами. Emet предлагает потенциальным клиентам проекты с индивидуальным объёмом работ, а не открытый прайс-лист.

Для крупных компаний непосредственное предложение — обновление в рамках уже используемого сервиса. Разработчикам ИИ Emet предлагает возможный источник специализированных примеров и экспертной оценки.

Дальше Deel предстоит показать, сможет ли она сохранять преимущество в скорости и стоимости, одновременно поддерживая актуальность ответов в разных юрисдикциях. Собственные результаты компании отражают это соотношение: специализация делает компактную модель конкурентоспособной, но некоторые универсальные системы всё ещё отвечают точнее.