खरीदारों, developers और research teams के लिए यही बात ज्यादा काम की है। मॉडल का नाम अपने-आप auditability नहीं देता। मजबूत workflow वही है जिसमें महत्वपूर्ण claims को inspectable evidence—URLs, files, retrieved chunks, PDFs या दूसरे stored artifacts—से जोड़ा जा सके।

Provenance में किन चीजों को अलग रखना चाहिए

AI research workflow में तीन परतें अक्सर गड्ड-मड्ड हो जाती हैं। इन्हें अलग देखना जरूरी है:

• Citations: answer में दिखने वाले source pointers, यानी दावा किस source से जुड़ा है।
• Source capture: वे documents, web pages, files, chunks या retrieved artifacts जिन्हें answer बनाने में इस्तेमाल किया गया और जिन्हें बाद में review किया जा सके।
• Reasoning artifacts: thinking summaries, scratchpad जैसी सामग्री या internal reasoning controls। ये workflow tuning में मदद कर सकते हैं, लेकिन अपने-आप यह साबित नहीं करते कि factual claim किस source से आया।

Citations सबसे दिखाई देने वाली परत हैं, पर केवल citation काफी नहीं। असली कसौटी यह है कि reviewer claim से exact supporting material तक जा सके और उसे खुद पढ़कर verify कर सके।

OpenAI: web citations को दिखाने पर सबसे साफ दस्तावेज़

इन स्रोतों में OpenAI की सबसे मजबूत provenance evidence Deep Research documentation से आती है। इसमें कहा गया है कि जब web results या उनमें मौजूद जानकारी end users को दिखाई जाए, तो inline citations साफ दिखने चाहिए और clickable होने चाहिए . यह छोटी बात नहीं है: अगर links metadata में छिपे हों या claims से अलग रखे गए हों, तो verification कमजोर हो जाता है।

OpenAI citation-formatting guidance भी देता है, जिसमें citable material तैयार करने और model को citations ठीक से format करने के निर्देश देने की बात है . Deep Research API का example बताता है कि response में structured final answer के साथ inline citations, reasoning steps की summaries और source information शामिल होती है . OpenAI Help Center भी कहता है कि Deep Research outputs में citations या source links होते हैं, ताकि users जानकारी verify कर सकें .

इससे सीमित लेकिन अहम निष्कर्ष निकलता है: OpenAI इन documents में web-research workflows के लिए citation presentation पर स्पष्ट है। लेकिन इससे यह साबित नहीं होता कि हर citation सही होगा, और यह GPT-5.5 Spud के बारे में model-specific दावा भी साबित नहीं करता।

Anthropic: दिए गए documents पर grounded citations

Anthropic की तरफ उपलब्ध documents दो बातों पर मजबूत हैं: Claude Opus 4.7 की positioning और document-based citation mechanics। Anthropic Claude Opus 4.7 को latest Claude generation का हिस्सा बताता है और most complex tasks के लिए अपना सबसे सक्षम generally available model कहता है .

Provenance के लिहाज से Anthropic का key source उसका citations documentation है। इसके अनुसार Claude documents पर सवालों के जवाब देते समय detailed citations दे सकता है, जिससे users response में information sources को track और verify कर सकें—शर्त यह है कि documents provide किए जाएं और citations enabled हों . यही दस्तावेज़ citation granularity भी समझाता है: plain-text और PDF documents default रूप से sentences में chunk होते हैं, जबकि custom content documents तब इस्तेमाल किए जा सकते हैं जब developers को finer control चाहिए .

Anthropic PDF support documentation में एक और provenance-related detail है: Converse API में visual PDF analysis के लिए citations enabled होना जरूरी है . Anthropic Files API भी document करता है, जिससे developers Claude API workflows में files upload और manage कर सकते हैं, हर request पर वही content फिर से upload किए बिना . File handling citation accuracy का proof नहीं है, लेकिन stored sources और claim-level citations के साथ यह बेहतर audit trail बनाने में मदद कर सकता है।

Scratchpad या thinking block स्रोत का सबूत नहीं

Research provenance का सबसे बड़ा भ्रम यह है कि model की सोच या scratchpad को evidence मान लिया जाए। यह सही नहीं है। Reasoning artifact और source provenance अलग चीजें हैं।

OpenAI की reasoning best-practices page कहती है कि reasoning models internally reasoning करते हैं और developers को उन्हें step by step सोचने या chain of thought explain करने के लिए prompt नहीं करना चाहिए . OpenAI का reasoning-models guide reasoning effort, reasoning tokens और turns के बीच reasoning state बनाए रखने जैसे controls पर केंद्रित है .

Anthropic की documentation thinking mechanics पर ज्यादा terminology देती है। Prompt caching documentation कहती है कि extended thinking और prompt caching साथ इस्तेमाल होने पर thinking blocks का special behavior होता है . Extended-thinking documentation Claude 4 और बाद के models में full thinking tokens और summarized output में फर्क बताती है . Anthropic release notes में display field का जिक्र है, जिससे responses से thinking content omit किया जा सकता है, और Claude Code docs कहते हैं कि किसी skill में ultrathink जोड़ने से extended thinking enabled होती है .

ये features complex workflows को tune करने में मदद कर सकते हैं। लेकिन hidden chain of thought, scratchpad या summarized reasoning trail यह साबित नहीं करता कि factual claim किसी specific URL, document या file से आया। इन्हें secondary context मानें, source audit trail नहीं।

AI research workflow के लिए practical checklist

मॉडल का नाम चुनने से पहले पूरे workflow को review की कसौटी पर परखें।

1. Claim-level visible citations: Web-derived information के लिए OpenAI Deep Research docs visible, clickable inline citations की बात करते हैं . Claude document workflows के लिए Anthropic documents दिए जाने और citations enabled होने पर citations document करता है .
2. Inspectable source artifacts: सिर्फ final answer न बचाएं; उसके पीछे की सामग्री भी संभालें। OpenAI Deep Research API example source information का जिक्र करता है, जबकि Anthropic Files API Claude API workflows में reusable file inputs support करता है .
3. Citation granularity: अच्छा citation पूरे source bucket की तरफ अस्पष्ट इशारा नहीं करता, बल्कि relevant evidence तक ले जाता है। Anthropic plain-text और PDF documents के लिए default sentence chunking और finer control के लिए custom content documents बताता है . OpenAI citable material तैयार करने और citation formatting prompt करने की guidance देता है .
4. Reasoning और evidence को अलग रखें: Reasoning controls workflow behavior सुधार सकते हैं, लेकिन OpenAI और Anthropic उन्हें reasoning या thinking mechanics के रूप में describe करते हैं, source-linked claims के replacement के रूप में नहीं .
5. High-stakes claims पर human validation: Vendor docs citation features और display behavior बताते हैं; वे यह independent guarantee नहीं देते कि हर cited claim सही है। महत्वपूर्ण outputs को underlying source material से मिलाकर जांचना ही सुरक्षित तरीका है।

निचोड़

उपलब्ध documents nuanced comparison को support करते हैं, model leaderboard को नहीं। OpenAI यहां user-facing web-citation requirements पर ज्यादा clearly evidenced है, क्योंकि Deep Research web-derived जानकारी दिखाते समय visible, clickable inline citations की बात करता है . Anthropic यहां document-grounded Claude citations पर ज्यादा clearly evidenced है, क्योंकि उसके docs supplied documents पर citations enable करने और sentence chunking/custom content से citation granularity control करने की बात करते हैं .

Claude Opus 4.7 complex tasks के लिए Anthropic का most capable generally available model के रूप में documented है, लेकिन इस review में आया OpenAI model-specific source GPT-5.4 के लिए है, GPT-5.5 Spud के लिए नहीं . अगर लक्ष्य auditable AI research है, तो पहले source capture, citation granularity और validation practices देखें—मॉडल-नामों की तुलना बाद में करें।

खरीदारों, developers और research teams के लिए यही बात ज्यादा काम की है। मॉडल का नाम अपने-आप auditability नहीं देता। मजबूत workflow वही है जिसमें महत्वपूर्ण claims को inspectable evidence—URLs, files, retrieved chunks, PDFs या दूसरे stored artifacts—से जोड़ा जा सके।

Provenance में किन चीजों को अलग रखना चाहिए

AI research workflow में तीन परतें अक्सर गड्ड-मड्ड हो जाती हैं। इन्हें अलग देखना जरूरी है:

• Citations: answer में दिखने वाले source pointers, यानी दावा किस source से जुड़ा है।
• Source capture: वे documents, web pages, files, chunks या retrieved artifacts जिन्हें answer बनाने में इस्तेमाल किया गया और जिन्हें बाद में review किया जा सके।
• Reasoning artifacts: thinking summaries, scratchpad जैसी सामग्री या internal reasoning controls। ये workflow tuning में मदद कर सकते हैं, लेकिन अपने-आप यह साबित नहीं करते कि factual claim किस source से आया।

Citations सबसे दिखाई देने वाली परत हैं, पर केवल citation काफी नहीं। असली कसौटी यह है कि reviewer claim से exact supporting material तक जा सके और उसे खुद पढ़कर verify कर सके।

OpenAI: web citations को दिखाने पर सबसे साफ दस्तावेज़

इन स्रोतों में OpenAI की सबसे मजबूत provenance evidence Deep Research documentation से आती है। इसमें कहा गया है कि जब web results या उनमें मौजूद जानकारी end users को दिखाई जाए, तो inline citations साफ दिखने चाहिए और clickable होने चाहिए . यह छोटी बात नहीं है: अगर links metadata में छिपे हों या claims से अलग रखे गए हों, तो verification कमजोर हो जाता है।

OpenAI citation-formatting guidance भी देता है, जिसमें citable material तैयार करने और model को citations ठीक से format करने के निर्देश देने की बात है . Deep Research API का example बताता है कि response में structured final answer के साथ inline citations, reasoning steps की summaries और source information शामिल होती है . OpenAI Help Center भी कहता है कि Deep Research outputs में citations या source links होते हैं, ताकि users जानकारी verify कर सकें .

इससे सीमित लेकिन अहम निष्कर्ष निकलता है: OpenAI इन documents में web-research workflows के लिए citation presentation पर स्पष्ट है। लेकिन इससे यह साबित नहीं होता कि हर citation सही होगा, और यह GPT-5.5 Spud के बारे में model-specific दावा भी साबित नहीं करता।

Anthropic: दिए गए documents पर grounded citations

Anthropic की तरफ उपलब्ध documents दो बातों पर मजबूत हैं: Claude Opus 4.7 की positioning और document-based citation mechanics। Anthropic Claude Opus 4.7 को latest Claude generation का हिस्सा बताता है और most complex tasks के लिए अपना सबसे सक्षम generally available model कहता है .

Provenance के लिहाज से Anthropic का key source उसका citations documentation है। इसके अनुसार Claude documents पर सवालों के जवाब देते समय detailed citations दे सकता है, जिससे users response में information sources को track और verify कर सकें—शर्त यह है कि documents provide किए जाएं और citations enabled हों . यही दस्तावेज़ citation granularity भी समझाता है: plain-text और PDF documents default रूप से sentences में chunk होते हैं, जबकि custom content documents तब इस्तेमाल किए जा सकते हैं जब developers को finer control चाहिए .

Anthropic PDF support documentation में एक और provenance-related detail है: Converse API में visual PDF analysis के लिए citations enabled होना जरूरी है . Anthropic Files API भी document करता है, जिससे developers Claude API workflows में files upload और manage कर सकते हैं, हर request पर वही content फिर से upload किए बिना . File handling citation accuracy का proof नहीं है, लेकिन stored sources और claim-level citations के साथ यह बेहतर audit trail बनाने में मदद कर सकता है।

Scratchpad या thinking block स्रोत का सबूत नहीं

Research provenance का सबसे बड़ा भ्रम यह है कि model की सोच या scratchpad को evidence मान लिया जाए। यह सही नहीं है। Reasoning artifact और source provenance अलग चीजें हैं।

OpenAI की reasoning best-practices page कहती है कि reasoning models internally reasoning करते हैं और developers को उन्हें step by step सोचने या chain of thought explain करने के लिए prompt नहीं करना चाहिए . OpenAI का reasoning-models guide reasoning effort, reasoning tokens और turns के बीच reasoning state बनाए रखने जैसे controls पर केंद्रित है .

Anthropic की documentation thinking mechanics पर ज्यादा terminology देती है। Prompt caching documentation कहती है कि extended thinking और prompt caching साथ इस्तेमाल होने पर thinking blocks का special behavior होता है . Extended-thinking documentation Claude 4 और बाद के models में full thinking tokens और summarized output में फर्क बताती है . Anthropic release notes में display field का जिक्र है, जिससे responses से thinking content omit किया जा सकता है, और Claude Code docs कहते हैं कि किसी skill में ultrathink जोड़ने से extended thinking enabled होती है .

ये features complex workflows को tune करने में मदद कर सकते हैं। लेकिन hidden chain of thought, scratchpad या summarized reasoning trail यह साबित नहीं करता कि factual claim किसी specific URL, document या file से आया। इन्हें secondary context मानें, source audit trail नहीं।

AI research workflow के लिए practical checklist

मॉडल का नाम चुनने से पहले पूरे workflow को review की कसौटी पर परखें।

1. Claim-level visible citations: Web-derived information के लिए OpenAI Deep Research docs visible, clickable inline citations की बात करते हैं . Claude document workflows के लिए Anthropic documents दिए जाने और citations enabled होने पर citations document करता है .
2. Inspectable source artifacts: सिर्फ final answer न बचाएं; उसके पीछे की सामग्री भी संभालें। OpenAI Deep Research API example source information का जिक्र करता है, जबकि Anthropic Files API Claude API workflows में reusable file inputs support करता है .
3. Citation granularity: अच्छा citation पूरे source bucket की तरफ अस्पष्ट इशारा नहीं करता, बल्कि relevant evidence तक ले जाता है। Anthropic plain-text और PDF documents के लिए default sentence chunking और finer control के लिए custom content documents बताता है . OpenAI citable material तैयार करने और citation formatting prompt करने की guidance देता है .
4. Reasoning और evidence को अलग रखें: Reasoning controls workflow behavior सुधार सकते हैं, लेकिन OpenAI और Anthropic उन्हें reasoning या thinking mechanics के रूप में describe करते हैं, source-linked claims के replacement के रूप में नहीं .
5. High-stakes claims पर human validation: Vendor docs citation features और display behavior बताते हैं; वे यह independent guarantee नहीं देते कि हर cited claim सही है। महत्वपूर्ण outputs को underlying source material से मिलाकर जांचना ही सुरक्षित तरीका है।

निचोड़

उपलब्ध documents nuanced comparison को support करते हैं, model leaderboard को नहीं। OpenAI यहां user-facing web-citation requirements पर ज्यादा clearly evidenced है, क्योंकि Deep Research web-derived जानकारी दिखाते समय visible, clickable inline citations की बात करता है . Anthropic यहां document-grounded Claude citations पर ज्यादा clearly evidenced है, क्योंकि उसके docs supplied documents पर citations enable करने और sentence chunking/custom content से citation granularity control करने की बात करते हैं .

Claude Opus 4.7 complex tasks के लिए Anthropic का most capable generally available model के रूप में documented है, लेकिन इस review में आया OpenAI model-specific source GPT-5.4 के लिए है, GPT-5.5 Spud के लिए नहीं . अगर लक्ष्य auditable AI research है, तो पहले source capture, citation granularity और validation practices देखें—मॉडल-नामों की तुलना बाद में करें।