Claude의 새로운 Deep Research 도구는 단 한 번의 호출로 657만 개의 토큰을 처리할 수 있으며, 이는 막대한 컴퓨팅 예산이 뒷받침되어야 가능한 일입니다. 이 시스템은 단일 거대 언어 모델이 아닙니다. 검색을 분산시키고, 데이터를 가져오고, 주장을 세 개의 독립적인 검증기에 대조한 뒤 보고서를 합성하는 엄격한 JavaScript map-reduce 파이프라인으로 작동합니다.

아키텍처가 중요한 이유

대부분의 AI 기반 연구 보조 도구는 단일 "질문-답변" 인터페이스를 제공하여 모델이 한 번에 텍스트와 인용구를 생성하도록 합니다. Claude의 Deep Research는 이 모델을 완전히 뒤집습니다. 작업을 개별적이고 유형화된 단계로 나누고 모델이 소프트웨어 하네스(harness)를 따르도록 강제합니다. 설계자들은 풍부하고 출처가 명확한 답변을 제공하면서도 환각(hallucination)을 억제할 수 있도록 이를 구축했습니다. 이 접근 방식은 가설을 생성한 후 의도적으로 이를 반박하려는 자동 버그 탐지 프레임워크에서 유래되었습니다. 연구 관점에서 보면, 주장이 탄생하면 세 명의 적대적 에이전트(adversarial agents)가 최종 합성 단계에 도달하기 전에 이를 제거하려고 시도하는 방식입니다.

map-reduce 흐름

  1. 검색 분산(Fan-out search) – 오케스트레이터가 다양한 데이터 소스를 쿼리하는 병렬 워커를 생성합니다.
  2. 데이터 가져오기(Fetch data) – 각 워커가 원시 스니펫, 메타데이터 및 사용 가능한 모든 구조화된 정보를 가져옵니다.
  3. 적대적 검증(Adversarial verification) – 세 개의 독립적인 에이전트가 모든 주장을 전달받으며, 각 에이전트는 불확실할 경우 기본적으로 *반박(refuted)*으로 처리하도록 지시받습니다. 주장은 충분한 찬성표를 얻어야만 살아남습니다.
  4. 합성(Synthesis) – 살아남은 주장들은 최종 JSON 보고서로 엮이며, 사용자는 이를 산문 형태로 렌더링할 수 있습니다.

하네스(harness) 내부

하네스는 언어 모델이 수행할 수 있는 작업을 정의하는 얇은 코드 계층입니다. 그 규칙은 다음과 같은 일련의 구조화된 작업으로 나타납니다.

  • SCOPE – 모델은 연구 질문에 대한 간결한 설명을 전달받습니다.
  • SEARCH – 모델은 자유 형식의 텍스트가 아닌, 소스 식별자 목록을 출력해야 합니다.
  • EXTRACT – 각 소스에 대해 모델은 이후의 주장을 뒷받침하는 문구를 그대로(verbatim) 반환합니다.

Another point of contention is the reliance on verbatim quotes. Not all knowledge lives in exact phrasing; some insights emerge only after synthesizing across multiple documents.

What to watch next

Claude’s Deep Research is still in a research phase, but its architecture hints at a future where large language models are embedded in tightly controlled pipelines rather than left to self-direct. Key indicators to monitor include:

  • Token-efficiency metrics – Will the 6.57 M token baseline shrink as the harness gains more selective triage logic?
  • Latency trends – How quickly can the system return a complete report when three verification agents are in the loop?

Takeaway

Claude’s Deep Research shows that a language model can produce trustworthy, source-bound answers when confined to a disciplined, multi-stage pipeline. The real breakthrough isn’t the model’s size; it’s the surrounding software that forces the model to prove every claim, rank evidence before spending compute, and treat every external snippet as suspect until three agents agree otherwise. For anyone building AI-driven tools, the lesson is clear: let the model think, but let code decide what it can say.