Claude’s new Deep Research tool can chew through 6.57 million tokens in a single call—something only a massive compute budget can sustain. The system isn’t a monolithic language model; it runs as a strict JavaScript map-reduce pipeline that fans out searches, fetches data, pits claims against three independent verifiers, and then synthesizes a report.
Why the architecture matters
Most AI-powered research assistants present a single “ask-and-answer” interface, letting the model generate text and citations in one go. Claude’s Deep Research flips that model on its head. It breaks the task into discrete, typed stages and forces the model to obey a software harness. The designers built it to keep hallucinations in check while still delivering rich, sourced answers. The approach descends from an automated bug-hunting framework, where a hypothesis is generated and then deliberately tried to be disproved. In research terms, a claim is born, then three adversarial agents try to kill it before it reaches the final synthesis.
The map-reduce flow
- Fan-out search – The orchestrator spawns parallel workers that query a range of data sources.
- Fetch data – Each worker pulls raw snippets, metadata, and any available structured information.
- Adversarial verification – Three independent agents receive every claim, each instructed to default to refuted when uncertain. The claim survives only if it gathers enough affirmative votes.
- Synthesis – Surviving claims are stitched together into a final JSON report that the user can render as prose.
Inside the harness
The harness is a thin layer of code that defines what the language model may do. Its rules appear as a set of structured tasks:
- SCOPE – The model receives a concise description of the research question.
- SEARCH – It must emit a list of source identifiers, never free-form text.
- EXTRACT – For each source, the model returns a verbatim quote that backs any subsequent claim.
- VERDICT – It produces a JSON object containing the claim, the supporting quote, and a confidence score.
- REPORT – The final stage wraps all verified claims into a single document.
The harness enforces evidence binding: a claim without an exact quote is discarded automatically. It also exposes policy constants that can be tweaked without changing code—how many affirmative votes a claim needs, how many sources the system may read, or the maximum number of claims that proceed to verification.
A triage step sits between extraction and verification. Instead of sending every claim to the expensive adversarial agents, the system ranks them by importance and source quality, then forwards only the top 25. This culling keeps token usage and compute costs from spiraling out of control.
Adversarial verification in practice
The verification stage is deliberately harsh. Each of the three agents receives the same claim and its source quote, then operates under an instruction set that tells it to assume the claim is false unless it finds decisive proof. If any agent is unsure, it votes refuted. The claim must collect a configurable number of affirmed votes to survive.
During informal testing, the adversarial layer caught a claim that misread an aggregate metric as a specific precision score. The model had generated a confident statement about precision, but the source only reported an aggregate metric.
What the design reveals about AI system building
- Separate control from reasoning – The model stays responsible for inference; the harness enforces process discipline.
- Typed interfaces reduce hallucination – By demanding JSON output and exact quotes, the system eliminates free-form drift.
- Filtering claims before the costly verification step reduces token usage and compute costs.
- Treat external input as untrusted – Every source quote is re-checked by independent agents, preventing a single faulty document from contaminating the answer.
These principles echo a broader shift toward “model-outside-the-model” architectures, where deterministic code handles orchestration, validation, and resource allocation instead of the probabilistic language model.
Potential downsides and open questions
The pipeline’s strength—its rigor—also brings challenges.
Ще одним спірним моментом є покладання на дослівні цитати. Не всі знання містяться у точних формулюваннях; деякі ідеї з’являються лише після синтезу інформації з кількох документів.
На що звернути увагу далі
Claude’s Deep Research все ще перебуває на стадії дослідження, але його архітектура натякає на майбутнє, де великі мовні моделі будуть вбудовані в суворо контрольовані конвеєри (pipelines), а не залишені на самоврядування. Ключові показники для моніторингу включають:
- Метрики ефективності токенів — чи зменшиться базовий рівень у 6,57 млн токенів, коли механізм отримає більш вибіркову логіку сортування?
- Тенденції затримки (latency) — наскільки швидко система зможе надати повний звіт, коли до процесу залучені три агенти перевірки?
Висновок
Claude’s Deep Research показує, що мовна модель може генерувати надійні відповіді, обмежені джерелами, якщо вона працює в межах дисциплінованого багатоетапного конвеєра. Справжній прорив полягає не в розмірі моделі, а в програмному забезпеченні навколо неї, яке змушує модель доводити кожне твердження, ранжувати докази перед витрачанням обчислювальних ресурсів і ставитися до кожного зовнішнього фрагмента як до сумнівного, доки три агенти не підтвердять протилежне. Для всіх, хто розробляє інструменти на базі ШІ, урок очевидний: дозвольте моделі думати, але дозвольте коду вирішувати, що вона може сказати.