Claude Opus 4.7 vs GPT-5.5 Spud: o que dá para verificar sobre citações, scratchpads e rastreabilidade

Proveniência não é só citação

Um fluxo confiável de pesquisa com IA precisa separar três camadas que muitas vezes aparecem misturadas:

• Citações: ponteiros visíveis entre afirmações e fontes.
• Captura das fontes: retenção das páginas, documentos, arquivos, trechos ou artefatos usados para gerar a resposta.
• Artefatos de raciocínio: resumos de pensamento, scratchpads, blocos internos ou controles de raciocínio que podem ajudar no desenho do fluxo, mas não provam a origem factual de uma afirmação.

Citação é a parte que o usuário enxerga primeiro. Mas ela só fica forte quando o revisor consegue clicar, abrir ou recuperar a fonte exata e conferir se o texto realmente sustenta o que foi dito.

Onde a OpenAI é mais clara: citações na pesquisa web

A evidência mais forte da OpenAI, neste conjunto de fontes, está na documentação do Deep Research. Ela afirma que, quando resultados da web ou informações contidas nesses resultados forem exibidos a usuários finais, as citações inline devem estar claramente visíveis e ser clicáveis .

Esse detalhe importa. Uma resposta com links escondidos em metadados, soltos no fim do texto ou desconectados das frases que sustentam é mais difícil de auditar. A exigência de citação visível e clicável melhora a experiência de revisão, ainda que não garanta, por si só, que toda citação esteja correta.

A OpenAI também tem um guia sobre como preparar material citável e orientar o modelo a formatar citações de forma eficaz . Um exemplo da API de Deep Research diz que a resposta inclui uma resposta final estruturada com citações inline, resumos de etapas de raciocínio e informações de fonte . O Help Center da OpenAI também afirma que saídas do Deep Research incluem citações ou links de fonte para que usuários possam verificar as informações .

A conclusão segura é limitada: nestes documentos, a OpenAI é explícita sobre apresentação de citações em fluxos de pesquisa na web. Isso não prova que cada citação será precisa, nem estabelece uma conclusão específica sobre GPT-5.5 Spud.

Onde a Anthropic é mais clara: citações em documentos fornecidos

A Anthropic aparece com mais força, nestas fontes, em duas frentes: posicionamento do Claude Opus 4.7 e mecânica de citações baseadas em documentos. A empresa descreve o Claude Opus 4.7 como parte da geração mais recente do Claude e recomenda o modelo para as tarefas mais complexas, chamando-o de seu modelo geralmente disponível mais capaz .

Na parte de proveniência, a fonte principal é a documentação de citações da Anthropic. Ela diz que o Claude pode fornecer citações detalhadas ao responder perguntas sobre documentos, ajudando o usuário a rastrear e verificar fontes de informação, desde que os documentos sejam fornecidos e as citações sejam ativadas .

A Anthropic também descreve a granularidade dessas citações. Por padrão, documentos de texto puro e PDFs são divididos automaticamente em sentenças. Quando o desenvolvedor precisa de controle mais fino, pode usar documentos de conteúdo customizado .

Há ainda um ponto relevante para PDFs: a documentação de suporte a PDF afirma que a análise visual de PDF na Converse API exige que citações estejam ativadas . E a Files API permite enviar e gerenciar arquivos para uso com a Claude API sem reenviar o mesmo conteúdo a cada requisição . Isso não prova precisão das citações, mas pode ajudar a construir uma trilha de auditoria melhor quando combinado com fontes preservadas e citações no nível da afirmação.

Scratchpads e blocos de pensamento não substituem fontes

Uma armadilha comum é tratar o rascunho de raciocínio do modelo como se fosse prova. Não é.

A página de boas práticas de raciocínio da OpenAI diz que modelos de raciocínio fazem esse processo internamente e orienta desenvolvedores a não pedir que eles pensem passo a passo ou expliquem a cadeia de pensamento . O guia de modelos de raciocínio da OpenAI se concentra em controles como esforço de raciocínio, tokens de raciocínio e manutenção de estado entre turnos .

A Anthropic usa mais terminologia pública em torno desses mecanismos. A documentação de prompt caching afirma que thinking blocks têm comportamento especial quando extended thinking é usado com cache de prompt . A documentação de extended thinking diferencia tokens completos de pensamento de saída resumida em modelos Claude 4 e posteriores . Notas de release da Anthropic mencionam um campo de exibição que pode omitir conteúdo de thinking nas respostas, e a documentação do Claude Code diz que incluir ultrathink em uma skill ativa extended thinking nessa skill .

Esses recursos podem ser úteis para construir fluxos complexos. Mas scratchpad, cadeia de pensamento oculta ou resumo de raciocínio não demonstram que uma afirmação factual veio de uma URL, de um documento ou de um arquivo específico. Para auditoria, raciocínio é contexto secundário; a prova está na fonte rastreável.

Um checklist prático para escolher um fluxo de pesquisa com IA

Em vez de escolher apenas pelo nome do modelo, vale avaliar se o sistema inteiro resiste a uma revisão séria.

1. Citações visíveis no nível da afirmação. Para informação derivada da web, a documentação do Deep Research pede citações inline visíveis e clicáveis . Para fluxos com documentos no Claude, a Anthropic documenta citações quando os documentos são fornecidos e o recurso é ativado .
2. Fontes inspecionáveis. Guarde os materiais por trás da resposta, não apenas o texto final. O exemplo da API de Deep Research menciona informações de fonte, enquanto a Files API da Anthropic permite reutilizar arquivos enviados em fluxos com a Claude API .
3. Granularidade suficiente. Uma boa citação deve apontar para a evidência relevante, não para um balde genérico de fontes. A Anthropic documenta divisão por sentenças em texto puro e PDF, além de conteúdo customizado para controle mais fino . A OpenAI, por sua vez, oferece orientação sobre preparo de material citável e formatação de citações .
4. Raciocínio separado de evidência. Controles de raciocínio podem melhorar o comportamento do fluxo, mas OpenAI e Anthropic os descrevem como mecanismos de raciocínio ou thinking, não como substitutos de afirmações ligadas a fontes .
5. Validação humana para decisões importantes. Documentação de fornecedor descreve recursos e comportamentos esperados; não é uma garantia independente de que cada citação sustentará perfeitamente cada frase. Em usos de maior risco, a checagem contra o material original continua indispensável.

Conclusão

As fontes revisadas sustentam uma comparação com nuances, não um ranking. A OpenAI está mais bem documentada aqui em requisitos de citações para pesquisas na web voltadas ao usuário, porque o Deep Research pede citações inline visíveis e clicáveis quando informações derivadas da web são exibidas . A Anthropic está mais bem documentada aqui em citações ancoradas em documentos fornecidos ao Claude, com divisão por sentenças e opções de conteúdo customizado para controlar a granularidade .

Claude Opus 4.7 é documentado como o modelo geralmente disponível mais capaz da Anthropic para tarefas complexas. Mas a fonte específica de modelo da OpenAI analisada aqui trata de GPT-5.4, não de GPT-5.5 Spud . Se o objetivo é pesquisa com IA auditável, compare captura de fontes, granularidade das citações e práticas de validação antes de comparar nomes de modelos.