Claude యొక్క కొత్త Deep Research టూల్ ఒకే కాల్‌లో 6.57 మిలియన్ టోకెన్లను వినియోగించగలదు—దీనిని కేవలం భారీ కంప్యూట్ బడ్జెట్ మాత్రమే భరించగలదు. ఈ సిస్టమ్ ఒక ఏకశిలా భాషా నమూనా (monolithic language model) కాదు; ఇది సెర్చ్‌లను విస్తరిస్తూ, డేటాను సేకరిస్తూ, క్లెయిమ్‌లను మూడు స్వతంత్ర వెరిఫైయర్‌లతో పోల్చి చూస్తూ, ఆపై ఒక నివేదికను రూపొందించే ఒక కఠినమైన JavaScript map-reduce పైప్‌లైన్‌గా పనిచేస్తుంది.

ఈ ఆర్కిటెక్చర్ ఎందుకు ముఖ్యమైనది

చాలా AI-ఆధారిత రీసెర్చ్ అసిస్టెంట్‌లు ఒకే "అడిగిన దానికి సమాధానం ఇచ్చే" (ask-and-answer) ఇంటర్‌ఫేస్‌ను అందిస్తాయి, దీనివల్ల మోడల్ ఒకేసారి టెక్స్ట్ మరియు సైటేషన్లను రూపొందించగలదు. Claude యొక్క Deep Research ఆ నమూనాను పూర్తిగా తిరగవేస్తుంది. ఇది పనిని విడివిడి, టైప్ చేయబడిన దశలుగా విభజించి, మోడల్ ఒక సాఫ్ట్‌వేర్ హార్నెస్ (software harness) ను అనుసరించేలా చేస్తుంది. హాలూసినేషన్స్‌ను (hallucinations) అదుపులో ఉంచుతూనే, సమగ్రమైన మరియు ఆధారాలతో కూడిన సమాధానాలను అందించేలా డిజైనర్లు దీనిని రూపొందించారు. ఈ విధానం ఒక ఆటోమేటెడ్ బగ్-హంటింగ్ ఫ్రేమ్‌వర్క్ నుండి ఉద్భవించింది, ఇక్కడ ఒక హైపోథెసిస్ (hypothesis) రూపొందించబడుతుంది మరియు దానిని కావాలనే తప్పు అని నిరూపించడానికి ప్రయత్నిస్తారు. రీసెర్చ్ పరంగా చెప్పాలంటే, ఒక క్లెయిమ్ పుడుతుంది, ఆపై అది తుది సింథసిస్‌కు చేరుకోకముందే మూడు అడ్వర్సరియల్ ఏజెంట్లు (adversarial agents) దానిని తో

మరొక వివాదాస్పద అంశం ఏమిటంటే, యథాతథ కోట్స్ (verbatim quotes) పై ఆధారపడటం. అన్ని జ్ఞానాలు ఖచ్చితమైన పదజాలంలోనే ఉండవు; కొన్ని అంతర్దృష్టులు బహుళ పత్రాలను విశ్లేషించి సంగ్రహించిన తర్వాతే బయటపడతాయి.

తదుపరి ఏమి గమనించాలి

Claude’s Deep Research ఇంకా పరిశోధనా దశలోనే ఉంది, కానీ దీని ఆర్కిటెక్చర్ భవిష్యత్తును సూచిస్తోంది; అంటే, లార్జ్ లాంగ్వేజ్ మోడల్స్ స్వయంగా నిర్ణయించుకునేలా వదిలేయడం కంటే, వాటిని కఠినంగా నియంత్రించబడిన పైప్‌లైన్‌లలో అంతర్భాగం చేయడం జరుగుతుంది. పర్యవేక్షించాల్సిన ముఖ్యమైన సూచికలు:

  • Token-efficiency metrics – హార్నెస్ మరింత ఎంపిక చేసిన ట్రైయాజ్ లాజిక్‌ను పొందుతున్న కొద్దీ, 6.57 M టోకెన్ బేస్‌లైన్ తగ్గుతుందా?
  • Latency trends – మూడు వెరిఫికేషన్ ఏజెంట్లు ప్రక్రియలో ఉన్నప్పుడు, సిస్టమ్ ఎంత వేగంగా పూర్తి నివేదికను అందించగలదు?

సారాంశం

క్రమబద్ధమైన, బహుళ దశల పైప్‌లైన్‌కు పరిమితం చేసినప్పుడు, ఒక లాంగ్వేజ్ మోడల్ నమ్మదగిన, మూలాధారాలతో కూడిన సమాధానాలను అందించగలదని Claude’s Deep Research నిరూపిస్తోంది. అసలైన విజయం మోడల్ పరిమాణంలో లేదు; ప్రతి వాదనను నిరూపించుకోవాలని, కంప్యూట్ వనరులను ఖర్చు చేసే ముందు సాక్ష్యాలను క్రమబద్ధీకరించాలని, మరియు మూడు ఏజెంట్లు అంగీకరించే వరకు ప్రతి బాహ్య స్నిప్పెట్‌ను అనుమానాస్పదంగా పరిగణించాలని మోడల్‌ను ప్రేరేపించే చుట్టూ ఉన్న సాఫ్ట్‌వేర్‌లోనే ఉంది. AI ఆధారిత సాధనాలను నిర్మిస్తున్న ఎవరికైనా, పాఠం స్పష్టంగా ఉంది: మోడల్‌ను ఆలోచించనివ్వండి, కానీ అది ఏమి చెప్పగలదో కోడ్ నిర్ణయించనివ్వండి.