這個較窄的結論反而更實用。對研究、法務、投資分析、產品決策或工程團隊來說，真正重要的不是模型名稱，而是工作流程能不能把關鍵主張連回可檢查的證據：網址、檔案、擷取片段、文件區塊，或其他人類審閱者可以打開來看的材料。

「證據溯源」至少要分清三件事

討論 AI 研究可追蹤性時，常把幾個概念混在一起。比較穩妥的做法，是先拆成三層：

• 引用（citations）：答案中可見的來源指標，最好能貼近對應主張。
• 來源留存（source capture）：保留產生答案時用過的網頁、文件、檔案、檢索片段或其他素材。
• 推理產物（reasoning artifacts）：例如思考摘要、類似 scratchpad 的草稿內容，或控制模型推理深度的設定。

引用最容易被看見，但它本身還不等於完整稽核。更嚴格的測試是：審閱者能不能從一句重要主張，走回那段具體支撐材料，並自行確認模型有沒有讀對、引對、推對。

OpenAI：較明確的是網頁引用如何呈現

在這批來源中，OpenAI 最清楚的溯源要求出現在 Deep Research 文件：當產品向終端使用者展示網頁結果，或展示取自網頁結果的資訊時，介面中的行內引用應該清楚可見，而且可點擊 。這一點很關鍵，因為引用若只藏在 metadata 裡，或與支撐的主張分離，對使用者來說可查核性就會下降。

OpenAI 另有引用格式指南，說明如何準備可引用材料，並指示模型有效格式化引用 。Deep Research API 範例也說，回應包含結構化的最終答案、行內引用、推理步驟摘要與來源資訊 。OpenAI Help Center 也表示，Deep Research 輸出包含引用或來源連結，讓使用者可以驗證資訊 。

這支持一個有限但重要的結論：在這些文件中，OpenAI 對網頁研究流程的引用呈現有明確說明。不過，這不等於證明每一個引用都一定正確，也不構成任何關於 GPT-5.5 Spud 的模型專屬結論。

Anthropic：較明確的是文件型引用機制

Anthropic 這邊，文件最明確支持兩件事：Claude Opus 4.7 的定位，以及 Claude 在文件問答中的引用機制。Anthropic 將 Claude Opus 4.7 描述為最新一代 Claude 模型之一，並建議在最複雜任務上使用，稱其為公司最強的普遍可用模型 。

就溯源而言，關鍵是 Anthropic 的引用文件。該文件指出，當使用者提供文件並啟用引用時，Claude 可以在回答文件相關問題時提供詳細引用，協助追蹤與驗證資訊來源 。文件也說明引用粒度：純文字與 PDF 文件預設會自動切成句子；若開發者需要更細的控制，例如處理條列內容或逐字稿，可使用自訂內容文件 。

Anthropic 的 PDF 支援文件還補上一個與溯源有關的細節：在 Converse API 中使用視覺 PDF 分析時，必須啟用引用 。Anthropic 也有 Files API，讓開發者上傳與管理供 Claude API 使用的檔案，不必每次請求都重新上傳同一份內容 。檔案管理不等於引用一定準確，但若搭配來源留存與逐主張引用，確實能支撐更完整的稽核軌跡。

Scratchpad、thinking block 不是來源證據

評估「研究溯源」時，最大的陷阱之一，是把模型的思考痕跡當作來源證據。兩者不是同一件事。

OpenAI 的推理最佳實務文件指出，推理模型會在內部進行推理，並建議開發者不要要求模型逐步思考或解釋完整思維鏈 。OpenAI 的推理模型指南則聚焦於 reasoning effort、reasoning tokens，以及跨回合保留推理狀態等控制方式 。

Anthropic 對「thinking」相關機制有更多術語。其 prompt caching 文件指出，使用 extended thinking 搭配 prompt caching 時，thinking blocks 會有特殊行為 。Extended thinking 文件則區分 Claude 4 及後續模型中的完整 thinking tokens 與摘要輸出 。Anthropic 發布說明提到可透過 display 欄位省略回應中的 thinking content；Claude Code 文件也說，在 skill 內容中加入 ultrathink 可啟用該 skill 的 extended thinking 。

這些能力可能有助於開發者設計複雜流程，但 scratchpad、隱藏思維鏈或推理摘要，並不能證明某個事實主張來自某個特定 URL、文件或檔案。它們最多是流程調校與輔助理解的線索，不應被當成來源稽核軌跡的替代品。

評估 AI 研究流程的實用檢核表

與其只看模型名稱，不如檢查整套流程能不能經得起審閱：

1. 是否有可見的逐主張引用。 對來自網頁的資訊，OpenAI Deep Research 文件要求行內引用清楚可見且可點擊 。對 Claude 文件流程，Anthropic 說明在提供文件並啟用引用時可產生引用 。
2. 是否保存可檢查的來源素材。 不要只保存最後答案，也要保存答案背後的資料。OpenAI Deep Research API 範例提到來源資訊；Anthropic Files API 則支援在 Claude API 流程中重複使用已上傳檔案 。
3. 引用粒度是否足夠細。 有用的引用應指向相關證據，而不是只丟出一個模糊的大來源。Anthropic 文件說明純文字與 PDF 預設以句子切分，也可用自訂內容文件取得更細控制 。OpenAI 則另有如何準備可引用材料與提示模型格式化引用的指南 。
4. 推理與證據是否分開看。 推理控制可能改善工作流程表現，但 OpenAI 與 Anthropic 對相關功能的描述，都是推理或 thinking 機制，不是來源連結的替代品 。
5. 高風險結論是否有人類複核。 供應商文件能說明功能與呈現方式，但不能獨立保證每一個被引用的主張都正確。重要輸出仍應回到原始資料查核。

結論：不要找贏家，先找可稽核的證據鏈

這批文件支持的是細緻比較，不是排行榜。就網頁研究的使用者介面而言，OpenAI 的證據較明確，因為 Deep Research 明白要求：向使用者展示網頁衍生資訊時，行內引用應可見且可點擊 。就文件型 Claude 工作流程而言，Anthropic 的證據較明確，因為其文件說明了提供文件並啟用引用後的引用功能，也說明句子切分與自訂內容如何影響引用粒度 。

Claude Opus 4.7 被 Anthropic 文件描述為其最適合複雜任務、最強的普遍可用模型；但在已審閱的 OpenAI 模型專屬來源中，對應文件是 GPT-5.4，不是 GPT-5.5 Spud 。如果你的目標是可稽核的 AI 研究，不妨先比較來源留存、引用粒度與驗證做法，再比較模型名稱。

這個較窄的結論反而更實用。對研究、法務、投資分析、產品決策或工程團隊來說，真正重要的不是模型名稱，而是工作流程能不能把關鍵主張連回可檢查的證據：網址、檔案、擷取片段、文件區塊，或其他人類審閱者可以打開來看的材料。

「證據溯源」至少要分清三件事

討論 AI 研究可追蹤性時，常把幾個概念混在一起。比較穩妥的做法，是先拆成三層：

• 引用（citations）：答案中可見的來源指標，最好能貼近對應主張。
• 來源留存（source capture）：保留產生答案時用過的網頁、文件、檔案、檢索片段或其他素材。
• 推理產物（reasoning artifacts）：例如思考摘要、類似 scratchpad 的草稿內容，或控制模型推理深度的設定。

引用最容易被看見，但它本身還不等於完整稽核。更嚴格的測試是：審閱者能不能從一句重要主張，走回那段具體支撐材料，並自行確認模型有沒有讀對、引對、推對。

OpenAI：較明確的是網頁引用如何呈現

在這批來源中，OpenAI 最清楚的溯源要求出現在 Deep Research 文件：當產品向終端使用者展示網頁結果，或展示取自網頁結果的資訊時，介面中的行內引用應該清楚可見，而且可點擊 。這一點很關鍵，因為引用若只藏在 metadata 裡，或與支撐的主張分離，對使用者來說可查核性就會下降。

OpenAI 另有引用格式指南，說明如何準備可引用材料，並指示模型有效格式化引用 。Deep Research API 範例也說，回應包含結構化的最終答案、行內引用、推理步驟摘要與來源資訊 。OpenAI Help Center 也表示，Deep Research 輸出包含引用或來源連結，讓使用者可以驗證資訊 。

這支持一個有限但重要的結論：在這些文件中，OpenAI 對網頁研究流程的引用呈現有明確說明。不過，這不等於證明每一個引用都一定正確，也不構成任何關於 GPT-5.5 Spud 的模型專屬結論。

Anthropic：較明確的是文件型引用機制

Anthropic 這邊，文件最明確支持兩件事：Claude Opus 4.7 的定位，以及 Claude 在文件問答中的引用機制。Anthropic 將 Claude Opus 4.7 描述為最新一代 Claude 模型之一，並建議在最複雜任務上使用，稱其為公司最強的普遍可用模型 。

就溯源而言，關鍵是 Anthropic 的引用文件。該文件指出，當使用者提供文件並啟用引用時，Claude 可以在回答文件相關問題時提供詳細引用，協助追蹤與驗證資訊來源 。文件也說明引用粒度：純文字與 PDF 文件預設會自動切成句子；若開發者需要更細的控制，例如處理條列內容或逐字稿，可使用自訂內容文件 。

Anthropic 的 PDF 支援文件還補上一個與溯源有關的細節：在 Converse API 中使用視覺 PDF 分析時，必須啟用引用 。Anthropic 也有 Files API，讓開發者上傳與管理供 Claude API 使用的檔案，不必每次請求都重新上傳同一份內容 。檔案管理不等於引用一定準確，但若搭配來源留存與逐主張引用，確實能支撐更完整的稽核軌跡。

Scratchpad、thinking block 不是來源證據

評估「研究溯源」時，最大的陷阱之一，是把模型的思考痕跡當作來源證據。兩者不是同一件事。

OpenAI 的推理最佳實務文件指出，推理模型會在內部進行推理，並建議開發者不要要求模型逐步思考或解釋完整思維鏈 。OpenAI 的推理模型指南則聚焦於 reasoning effort、reasoning tokens，以及跨回合保留推理狀態等控制方式 。

Anthropic 對「thinking」相關機制有更多術語。其 prompt caching 文件指出，使用 extended thinking 搭配 prompt caching 時，thinking blocks 會有特殊行為 。Extended thinking 文件則區分 Claude 4 及後續模型中的完整 thinking tokens 與摘要輸出 。Anthropic 發布說明提到可透過 display 欄位省略回應中的 thinking content；Claude Code 文件也說，在 skill 內容中加入 ultrathink 可啟用該 skill 的 extended thinking 。

這些能力可能有助於開發者設計複雜流程，但 scratchpad、隱藏思維鏈或推理摘要，並不能證明某個事實主張來自某個特定 URL、文件或檔案。它們最多是流程調校與輔助理解的線索，不應被當成來源稽核軌跡的替代品。

評估 AI 研究流程的實用檢核表

與其只看模型名稱，不如檢查整套流程能不能經得起審閱：

1. 是否有可見的逐主張引用。 對來自網頁的資訊，OpenAI Deep Research 文件要求行內引用清楚可見且可點擊 。對 Claude 文件流程，Anthropic 說明在提供文件並啟用引用時可產生引用 。
2. 是否保存可檢查的來源素材。 不要只保存最後答案，也要保存答案背後的資料。OpenAI Deep Research API 範例提到來源資訊；Anthropic Files API 則支援在 Claude API 流程中重複使用已上傳檔案 。
3. 引用粒度是否足夠細。 有用的引用應指向相關證據，而不是只丟出一個模糊的大來源。Anthropic 文件說明純文字與 PDF 預設以句子切分，也可用自訂內容文件取得更細控制 。OpenAI 則另有如何準備可引用材料與提示模型格式化引用的指南 。
4. 推理與證據是否分開看。 推理控制可能改善工作流程表現，但 OpenAI 與 Anthropic 對相關功能的描述，都是推理或 thinking 機制，不是來源連結的替代品 。
5. 高風險結論是否有人類複核。 供應商文件能說明功能與呈現方式，但不能獨立保證每一個被引用的主張都正確。重要輸出仍應回到原始資料查核。

結論：不要找贏家，先找可稽核的證據鏈

這批文件支持的是細緻比較，不是排行榜。就網頁研究的使用者介面而言，OpenAI 的證據較明確，因為 Deep Research 明白要求：向使用者展示網頁衍生資訊時，行內引用應可見且可點擊 。就文件型 Claude 工作流程而言，Anthropic 的證據較明確，因為其文件說明了提供文件並啟用引用後的引用功能，也說明句子切分與自訂內容如何影響引用粒度 。

Claude Opus 4.7 被 Anthropic 文件描述為其最適合複雜任務、最強的普遍可用模型；但在已審閱的 OpenAI 模型專屬來源中，對應文件是 GPT-5.4，不是 GPT-5.5 Spud 。如果你的目標是可稽核的 AI 研究，不妨先比較來源留存、引用粒度與驗證做法，再比較模型名稱。