買い手、開発者、研究者にとっては、この限定的な結論のほうが実務的です。AI調査で重要なのは、モデル名の順位表ではなく、重要な主張からURL、ファイル、取得チャンク、文書といった確認可能な根拠まで戻れるかどうかです。

根拠追跡で分けて考えるべき3つの層

AI調査の信頼性を考えるとき、次の3つは混同されがちです。

• 引用：回答内の主張から、出典へ向かう見えるポインター。
• 出典の保存：回答生成に使った文書、ウェブページ、ファイル、検索チャンク、取得済み資料を保持すること。
• 推論アーティファクト：思考要約、スクラッチパッド風の内容、内部推論の制御など。ワークフロー設計には役立っても、事実主張の出典そのものではない。

引用は最も目に入りやすい層です。ただし、引用が表示されているだけでは十分ではありません。より強い確認ポイントは、読者やレビュアーが「この主張は、どの資料のどの部分に支えられているのか」までたどれることです。

OpenAI：ウェブ引用の見せ方は明確に書かれている

OpenAI側で最もはっきりしているのは、Deep Researchにおけるウェブ引用の表示要件です。OpenAIのDeep Research文書は、ウェブ結果またはウェブ結果に含まれる情報をエンドユーザーに表示する場合、インライン引用をUI上で明確に見え、クリック可能にすべきだとしています 。これは重要です。リンクがメタデータの奥に隠れていたり、該当する主張から切り離されていたりすると、根拠追跡は弱くなるからです。

OpenAIは、引用可能な素材を準備し、モデルに効果的な引用形式を指示するためのガイドも提供しています 。Deep Research APIの例では、応答にインライン引用を含む構造化された最終回答、推論ステップの要約、ソース情報が含まれると説明されています 。OpenAIのヘルプセンターも、Deep Researchの出力には、情報を検証できるよう引用またはソースリンクが含まれると述べています 。

ここから言えるのは、OpenAIは少なくともこの資料群の中で、ウェブ調査ワークフローにおける引用表示を明示しているということです。ただし、それは「すべての引用が必ず正確である」ことの証明ではありません。また、GPT-5.5 Spudに固有の性能を示すものでもありません。

Anthropic：文書に根差した引用の説明が強い

Anthropic側で確認できる強い材料は、Claude Opus 4.7の位置づけと、文書ベースの引用メカニズムです。AnthropicはClaude Opus 4.7を最新世代のClaudeモデルの一つとして説明し、最も複雑なタスクにはClaude Opus 4.7から始めることを検討するよう案内しています。さらに、一般提供されているモデルの中で同社の最も高性能なモデルだとしています 。

根拠追跡という点で中心になるのは、Anthropicの引用ドキュメントです。そこでは、Claudeは文書に関する質問に答える際、文書を提供して引用を有効化すれば、情報源の追跡と確認に役立つ詳細な引用を提供できると説明されています 。また引用の粒度について、プレーンテキスト文書とPDF文書はデフォルトで文単位に自動分割され、より細かく制御したい場合はカスタムコンテンツ文書を使えるとされています 。

AnthropicのPDFサポート文書には、Converse APIで視覚的なPDF分析を行うには引用を有効化する必要がある、という根拠追跡に関わる記述もあります 。さらにFiles APIでは、開発者がClaude APIで使うファイルをアップロード・管理でき、毎回同じ内容を再アップロードせずに済むと説明されています 。ファイル管理そのものは引用の正確性を保証しませんが、保存された出典と主張単位の引用を組み合わせれば、監査しやすいワークフローを作る土台になります。

スクラッチパッドや思考ブロックは、出典の証明ではない

AI調査のプロベナンスを評価するときの大きな落とし穴は、モデルの「思考」やスクラッチパッド風の出力を、根拠そのものと見なしてしまうことです。これは別物です。

OpenAIのreasoning best practicesは、推論モデルは内部で推論を行うため、「段階的に考えて」や「思考過程を説明して」といったチェーン・オブ・ソートを促すプロンプトを避けるよう案内しています 。OpenAIのreasoning modelsガイドは、reasoning effort、reasoning tokens、ターンをまたいだ推論状態の保持といった制御に焦点を当てています 。

Anthropicは、思考メカニズムに関する用語をより多く文書化しています。プロンプトキャッシュの文書では、extended thinkingとprompt cachingを組み合わせる場合、thinking blocksに特別な挙動があると説明されています 。extended thinkingの文書は、Claude 4以降のモデルで、full thinking tokensと要約出力を区別しています 。Anthropicのリリースノートは、応答からthinking contentを省略できるdisplay fieldに触れており、Claude Codeの文書は、スキル内にultrathinkという語を含めると、そのスキルでextended thinkingを有効化できるとしています 。

こうした機能は、複雑なワークフローを調整するうえでは役立ちます。しかし、スクラッチパッド、隠れたチェーン・オブ・ソート、要約された推論ログは、ある事実主張が特定のURL、文書、ファイルから来たことを証明するものではありません。推論アーティファクトは補助情報であって、出典監査の代替ではないと考えるべきです。

実務で使えるチェックリスト

モデル名だけで選ぶより、ワークフロー全体がレビューに耐えるかを確認するほうが安全です。

1. 主張単位で見える引用があるか。 ウェブ由来の情報について、OpenAIのDeep Research文書は、明確に見えクリック可能なインライン引用を求めています 。Claudeの文書ワークフローでは、文書を提供して引用を有効化した場合の引用機能が文書化されています 。
2. 根拠資料を後から確認できるか。 最終回答だけでなく、その裏にある資料も保持する必要があります。OpenAIのDeep Research API例はソース情報に触れており、AnthropicのFiles APIはClaude APIワークフローで再利用できるファイル入力を支えます 。
3. 引用の粒度は十分か。 有用な引用は、単なる「このサイト」ではなく、関連する根拠部分に近い場所を指すべきです。Anthropicは、プレーンテキストとPDF文書のデフォルトの文単位分割、およびより細かな制御のためのカスタムコンテンツ文書を説明しています 。OpenAIも、引用可能な素材の準備と引用形式を指示する方法についてガイドを提供しています 。
4. 推論と証拠を分けて扱っているか。 推論制御は回答品質やワークフローの挙動を改善し得ますが、OpenAIとAnthropicの文書はいずれもそれらを推論・思考の仕組みとして扱っており、出典付きの主張の代替とはしていません 。
5. 重要な主張は人間が確認するか。 ベンダー文書は引用機能や表示挙動を説明していますが、すべての引用付き主張が必ず正しいことを独立に保証するものではありません。高リスクな用途では、基礎資料に戻って人間が確認する運用が必要です。

結論：比較すべきは名前ではなく、たどれる仕組み

今回確認した資料が支えるのは、単純な順位表ではなく、限定つきの比較です。OpenAIは、Deep Researchでウェブ由来情報をユーザーに見せる際、明確でクリック可能なインライン引用を求めているため、この資料群ではユーザー向けウェブ引用要件が最も明確です 。Anthropicは、文書を提供して引用を有効化した場合のClaudeの引用、および文単位分割やカスタムコンテンツによる引用粒度の制御を説明しているため、文書に根差した引用についての説明が最も具体的です 。

Claude Opus 4.7は、複雑なタスク向けに一般提供されているAnthropicの最も高性能なモデルとして文書化されています 。しかし、今回確認できたOpenAIのモデル固有資料はGPT-5.4であり、GPT-5.5 Spudではありません 。監査可能なAI調査が目的なら、まず比較すべきなのはモデル名ではなく、出典の保存、引用の粒度、そして人間が検証できる運用です。

買い手、開発者、研究者にとっては、この限定的な結論のほうが実務的です。AI調査で重要なのは、モデル名の順位表ではなく、重要な主張からURL、ファイル、取得チャンク、文書といった確認可能な根拠まで戻れるかどうかです。

根拠追跡で分けて考えるべき3つの層

AI調査の信頼性を考えるとき、次の3つは混同されがちです。

• 引用：回答内の主張から、出典へ向かう見えるポインター。
• 出典の保存：回答生成に使った文書、ウェブページ、ファイル、検索チャンク、取得済み資料を保持すること。
• 推論アーティファクト：思考要約、スクラッチパッド風の内容、内部推論の制御など。ワークフロー設計には役立っても、事実主張の出典そのものではない。

引用は最も目に入りやすい層です。ただし、引用が表示されているだけでは十分ではありません。より強い確認ポイントは、読者やレビュアーが「この主張は、どの資料のどの部分に支えられているのか」までたどれることです。

OpenAI：ウェブ引用の見せ方は明確に書かれている

OpenAI側で最もはっきりしているのは、Deep Researchにおけるウェブ引用の表示要件です。OpenAIのDeep Research文書は、ウェブ結果またはウェブ結果に含まれる情報をエンドユーザーに表示する場合、インライン引用をUI上で明確に見え、クリック可能にすべきだとしています 。これは重要です。リンクがメタデータの奥に隠れていたり、該当する主張から切り離されていたりすると、根拠追跡は弱くなるからです。

OpenAIは、引用可能な素材を準備し、モデルに効果的な引用形式を指示するためのガイドも提供しています 。Deep Research APIの例では、応答にインライン引用を含む構造化された最終回答、推論ステップの要約、ソース情報が含まれると説明されています 。OpenAIのヘルプセンターも、Deep Researchの出力には、情報を検証できるよう引用またはソースリンクが含まれると述べています 。

ここから言えるのは、OpenAIは少なくともこの資料群の中で、ウェブ調査ワークフローにおける引用表示を明示しているということです。ただし、それは「すべての引用が必ず正確である」ことの証明ではありません。また、GPT-5.5 Spudに固有の性能を示すものでもありません。

Anthropic：文書に根差した引用の説明が強い

Anthropic側で確認できる強い材料は、Claude Opus 4.7の位置づけと、文書ベースの引用メカニズムです。AnthropicはClaude Opus 4.7を最新世代のClaudeモデルの一つとして説明し、最も複雑なタスクにはClaude Opus 4.7から始めることを検討するよう案内しています。さらに、一般提供されているモデルの中で同社の最も高性能なモデルだとしています 。

根拠追跡という点で中心になるのは、Anthropicの引用ドキュメントです。そこでは、Claudeは文書に関する質問に答える際、文書を提供して引用を有効化すれば、情報源の追跡と確認に役立つ詳細な引用を提供できると説明されています 。また引用の粒度について、プレーンテキスト文書とPDF文書はデフォルトで文単位に自動分割され、より細かく制御したい場合はカスタムコンテンツ文書を使えるとされています 。

AnthropicのPDFサポート文書には、Converse APIで視覚的なPDF分析を行うには引用を有効化する必要がある、という根拠追跡に関わる記述もあります 。さらにFiles APIでは、開発者がClaude APIで使うファイルをアップロード・管理でき、毎回同じ内容を再アップロードせずに済むと説明されています 。ファイル管理そのものは引用の正確性を保証しませんが、保存された出典と主張単位の引用を組み合わせれば、監査しやすいワークフローを作る土台になります。

スクラッチパッドや思考ブロックは、出典の証明ではない

AI調査のプロベナンスを評価するときの大きな落とし穴は、モデルの「思考」やスクラッチパッド風の出力を、根拠そのものと見なしてしまうことです。これは別物です。

OpenAIのreasoning best practicesは、推論モデルは内部で推論を行うため、「段階的に考えて」や「思考過程を説明して」といったチェーン・オブ・ソートを促すプロンプトを避けるよう案内しています 。OpenAIのreasoning modelsガイドは、reasoning effort、reasoning tokens、ターンをまたいだ推論状態の保持といった制御に焦点を当てています 。

Anthropicは、思考メカニズムに関する用語をより多く文書化しています。プロンプトキャッシュの文書では、extended thinkingとprompt cachingを組み合わせる場合、thinking blocksに特別な挙動があると説明されています 。extended thinkingの文書は、Claude 4以降のモデルで、full thinking tokensと要約出力を区別しています 。Anthropicのリリースノートは、応答からthinking contentを省略できるdisplay fieldに触れており、Claude Codeの文書は、スキル内にultrathinkという語を含めると、そのスキルでextended thinkingを有効化できるとしています 。

こうした機能は、複雑なワークフローを調整するうえでは役立ちます。しかし、スクラッチパッド、隠れたチェーン・オブ・ソート、要約された推論ログは、ある事実主張が特定のURL、文書、ファイルから来たことを証明するものではありません。推論アーティファクトは補助情報であって、出典監査の代替ではないと考えるべきです。

実務で使えるチェックリスト

モデル名だけで選ぶより、ワークフロー全体がレビューに耐えるかを確認するほうが安全です。

1. 主張単位で見える引用があるか。 ウェブ由来の情報について、OpenAIのDeep Research文書は、明確に見えクリック可能なインライン引用を求めています 。Claudeの文書ワークフローでは、文書を提供して引用を有効化した場合の引用機能が文書化されています 。
2. 根拠資料を後から確認できるか。 最終回答だけでなく、その裏にある資料も保持する必要があります。OpenAIのDeep Research API例はソース情報に触れており、AnthropicのFiles APIはClaude APIワークフローで再利用できるファイル入力を支えます 。
3. 引用の粒度は十分か。 有用な引用は、単なる「このサイト」ではなく、関連する根拠部分に近い場所を指すべきです。Anthropicは、プレーンテキストとPDF文書のデフォルトの文単位分割、およびより細かな制御のためのカスタムコンテンツ文書を説明しています 。OpenAIも、引用可能な素材の準備と引用形式を指示する方法についてガイドを提供しています 。
4. 推論と証拠を分けて扱っているか。 推論制御は回答品質やワークフローの挙動を改善し得ますが、OpenAIとAnthropicの文書はいずれもそれらを推論・思考の仕組みとして扱っており、出典付きの主張の代替とはしていません 。
5. 重要な主張は人間が確認するか。 ベンダー文書は引用機能や表示挙動を説明していますが、すべての引用付き主張が必ず正しいことを独立に保証するものではありません。高リスクな用途では、基礎資料に戻って人間が確認する運用が必要です。

結論：比較すべきは名前ではなく、たどれる仕組み

今回確認した資料が支えるのは、単純な順位表ではなく、限定つきの比較です。OpenAIは、Deep Researchでウェブ由来情報をユーザーに見せる際、明確でクリック可能なインライン引用を求めているため、この資料群ではユーザー向けウェブ引用要件が最も明確です 。Anthropicは、文書を提供して引用を有効化した場合のClaudeの引用、および文単位分割やカスタムコンテンツによる引用粒度の制御を説明しているため、文書に根差した引用についての説明が最も具体的です 。

Claude Opus 4.7は、複雑なタスク向けに一般提供されているAnthropicの最も高性能なモデルとして文書化されています 。しかし、今回確認できたOpenAIのモデル固有資料はGPT-5.4であり、GPT-5.5 Spudではありません 。監査可能なAI調査が目的なら、まず比較すべきなのはモデル名ではなく、出典の保存、引用の粒度、そして人間が検証できる運用です。