Deep-Research-Tools: OpenAI vs Perplexity vs Gemini

Der Deep-Research-Moment

Für die meisten Menschen ist Gemini Deep Research im November 2026 der beste Einstieg: Es ist in Geminis kostenlosem Tarif für alle ab 18 Jahren enthalten, AI Plus für 4,99 $ verdoppelt die Limits, und Googles leistungsstärkster Recherche-Agent, die über die API angebotene Max-Stufe, erzielt die höchsten Benchmark-Werte, die ein Anbieter für einen solchen Agenten veröffentlicht hat. Perplexity liefert am schnellsten ein kurzes Briefing, erlaubt im kostenlosen Tarif allerdings nur eine Rechercheanfrage pro Monat. ChatGPT und Claude, dessen Research inzwischen auf Opus 5.5 läuft, lohnen sich als kostenpflichtige Angebote bei mehrdeutigen, offenen Fragen. Entwickler verloren am 27. September eine schlüsselfertige Option, als Perplexity den Support für sonar-deep-research einstellte. Die Optionen für einen einzigen Aufruf sind nun Googles Deep-Research-Agenten (weiterhin in der Preview), Perplexitys Agent API und die Research API von You.com.

Der Rest dieses Leitfadens zeigt, wie sich diese Urteile über Preise, Benchmarks, APIs und echte Aufgaben hinweg halten.

Die Kategorie selbst ist noch keine zwei Jahre alt. Am 2. Februar 2025 kündigte OpenAI Deep Research an. Es war der erste Agent, den die meisten Menschen je benutzt hatten, der aus einem Ein-Satz-Prompt eine 30-minütige Untersuchung planen, eigenständig Dutzende Quellen durchsehen und mit einem belegten Bericht zurückkehren konnte.

Die Reaktion der Branche war aufschlussreich. Innerhalb von sechs Wochen brachte Perplexity sein eigenes Deep Research heraus (14. Februar) und öffnete wenige Wochen später die Sonar-Deep-Research-API für Entwickler. Google, das Gemini Deep Research am 11. Dezember 2024 gestartet hatte, beschleunigte den Rollout und baute den technischen Unterbau kontinuierlich aus. Anthropic startete Claudes Research-Funktion am 15. April 2025 und öffnete die Websuche am 7. Mai über seine API für Entwickler.

Vier Labore, eine Produktkategorie, zwei Quartale. So etwas passiert nicht zufällig. 2024 war das Jahr, in dem Kontextfenster eine Million Token erreichten, Tool-Nutzung zuverlässig wurde und agentische Schleifen aufhörten, auf halbem Weg still zu scheitern. Deep Research war die erste verbraucherorientierte Anwendung, die alle drei Dinge ihr Geld wert erscheinen ließ. Es hängt eng mit der breiteren Verschiebung hin zu Agenten-Protokollen zusammen, die wir in Das agentische Web: MCP, A2A und die Protokollkriege behandeln.

Wenn Sie schreiben, studieren, Märkte analysieren oder Produkte bewerten, sind Sie bereits im Nachteil, falls Sie keines dieser Tools nutzen. Die Frage ist, welches und wann.

---

Was "Deep Research" tatsächlich tut

Deep Research lässt sich leicht mit Chat-Suche verwechseln. Sie tippen eine Frage, Sie erhalten eine Antwort mit Links. Die Mechanik ist jedoch eine andere.

Eine Chat-Suche (etwa das normale ChatGPT mit Browsing) führt ein oder zwei Web-Anfragen aus und fasst die besten Treffer in Sekunden zusammen. Ein Deep-Research-Agent tut eher das, was ein Junior-Analyst an einem Nachmittag leistet. Er zerlegt Ihre Frage in Teilfragen, führt Dutzende oder Hunderte Suchen aus, liest ganze Seiten, folgt Quellenangaben, passt seinen Plan an, während er dazulernt, und erzeugt einen strukturierten Bericht mit Fußnoten.

Fragen Sie die Chat-Suche "Was sind die wichtigsten Kritikpunkte an der Phillips-Kurve?", erhalten Sie eine Zusammenfassung in drei Absätzen. Stellen Sie einem Deep-Research-Agenten dieselbe Frage, erhalten Sie einen 15-seitigen Bericht über Friedmans Hypothese der natürlichen Arbeitslosenquote, den Stagflationsbruch der 1970er, Revisionen durch rationale Erwartungen, die Debatten über die Verflachung nach 2008 und aktuelle Arbeiten aus den Jahren 2023 bis 2025, jeweils mit anklickbarer Quelle.

Der Preis dafür ist Zeit. Läufe dauern Minuten bis zu einer Stunde: Google zufolge dauert ein Gemini-Bericht in der Regel 5 bis 10 Minuten, und ein API-Lauf ist auf 60 Minuten begrenzt. Moonshot nennt für Kimi 10 bis 25 Minuten. Genau das ist der Punkt. Sie stellen einen Lauf in die Warteschlange, arbeiten an etwas anderem und kommen zu einem Bericht zurück, für dessen manuelle Erstellung Sie einen halben Tag gebraucht hätten. Mehr zum Umbau von Recherchegewohnheiten rund um KI-Agenten finden Sie in Einen KI-gestützten Forschungsworkflow aufbauen.

---

Direktvergleich: Die 4 Consumer-Tools

Hier die Matrix, mit Modellunterbau und Preisen, abgelesen von den Seiten der Anbieter selbst im November 2026. Die Spalte, die ständig in Bewegung bleibt, ist „zugrundeliegendes Modell“. Diesmal füllen zwei Anbieter sie tatsächlich aus: Anthropic dokumentiert, worauf Research läuft, und Google lässt Abonnenten von AI Pro und Ultra für Berichte auf sein Pro-Modell umschalten.

Bei den Laufzeiten bleiben die Anbieter am ungenauesten. Googles Hilfeseite zufolge dauert ein Gemini-Bericht in der Regel etwa 5 bis 10 Minuten, bei komplexen Berichten länger. Perplexitys Hilfecenter schafft zwei Schätzungen in einem Satz: Die meisten Rechercheaufgaben sind in unter 3 Minuten fertig, „was bedeutet, dass es etwa 4 bis 5 Minuten dauern kann“. OpenAIs vielzitierte „5 bis 30 Minuten“ stammen von der Launch-Seite vom Februar 2025, und Anthropics Research-Hilfeseite nennt überhaupt keine Zahl.

Die Kurzprofile in je einem Absatz:

OpenAI Deep Research ist weiterhin das Schwergewicht für mehrdeutige, offene Fragen. Die Berichte sind lang, und das Reasoning ist sichtbar tiefer, wenn die Frage keine saubere Antwort hat. Drei Dinge änderten sich 2026. Die Preisseite nennt keine Laufzahlen mehr, sondern spricht von begrenzt, erweitert und maximal, sodass die weiterhin kursierenden Angaben „5 kostenlos, 25 bei Plus, 250 bei Pro“ aus einem Blog-Update vom April 2025 stammen statt aus aktuellen Tarifangaben von OpenAI. Pro wurde dreigeteilt: OpenAI pausierte neue Anmeldungen für die 200-$-Stufe am 10. September, öffnete sie am 29. September wieder und ergänzte am selben Tag eine 500-$-Stufe. Pro gibt es damit inzwischen für 100, 200 und 500 $ pro Monat. Außerdem kann Deep Research verbundene Quellen wie Google Drive oder SharePoint durchsuchen, abhängig von Ihrem Tarif und Ihren Berechtigungen.

Perplexity Deep Research ist dasjenige, dem der Motor unter der Haube immer wieder ausgetauscht wird. Es startete auf Perplexitys eigenen Sonar-Modellen. Im Februar 2026 wechselte der Modus Advanced Deep Research zu Claude Opus, und am 11. Juni 2026 verlagerte Perplexity Deep Research in Perplexity Computer, das Teilaufgaben über mehr als 20 Frontier-Modelle verteilt. Perplexitys Produktseite meldet einen Anstieg bei BrowseComp von 40,7 % für das alte Deep Research auf 83,8 % für Deep Research in Computer und bei Humanity's Last Exam von 36,4 % auf 50,5 %. Seit dem 5. Oktober läuft Computers Standard-Aufwand für berechtigte kostenpflichtige Konten auf Claude Opus 5.5. Deep Research wird zu einem integrierten Computer-Skill, der zunächst für Pro und Max im Web ausgerollt wird, weiterhin in Pro enthalten ist und in jedem Tarif kostenlose Nutzung bietet. Wenn Sie einen Artikel lesen, der Perplexity Deep Research als „Sonar“-Produkt bezeichnet, wurde er vor Februar 2026 geschrieben. Sonar ist heute eine eingestellte API-Linie, nicht der Consumer-Agent.

Gemini Deep Research hat die stärksten veröffentlichten Ergebnisse der großen vier und lässt sich inzwischen am einfachsten ausprobieren. Im April 2026 baute Google den Agenten auf Gemini 3.1 Pro neu auf und veröffentlichte über seine API eine Standard- und eine Max-Version. Von dort stammen die höchsten Benchmark-Werte. In der Gemini-App können alle ab 18 Jahren Deep Research im kostenlosen Tarif mit dem Thinking-Modell nutzen. Abonnenten von AI Pro und Ultra können für Berichte auf das Pro-Modell umschalten. Er nutzt weiterhin neben dem Web auch Ihre Inhalte in Gmail, Drive und Docs und zeigt einen Rechercheplan, den Sie vor dem Lauf bearbeiten können. Die Limits gelten pro Tag, zusätzlich ist die Zahl gleichzeitig laufender Berichte begrenzt. Die Hilfeseite nennt keine Zahlen.

Claude Research ist das geduldige Werkzeug, gut darin, widersprüchliche Quellen nebeneinander stehen zu lassen, statt sie zu früh aufzulösen. Es ist in jedem kostenpflichtigen Claude-Tarif enthalten (Pro, Max, der inzwischen Ultra genannte 200-$-Tarif, Team und Enterprise), und Anthropic nennt nun auch die Modelle dahinter: Claude Opus 5.5, bei Bedarf mit Rückgriff auf Opus 4.8, unabhängig davon, welches Modell Sie für den Chat gewählt haben. Der Rückgriff ist bei großen Quellensammlungen relevant, denn in kostenpflichtigen Tarifen hat Opus 5.5 ein Kontextfenster von 1M Token, Opus 4.8 dagegen 500K. Das übrige Portfolio entwickelte sich weiter, zuletzt mit Claude Fable 5.2 am 9. November, doch Research bleibt bei seinem eigenen Modellpaar.

---

Alternativen zu ChatGPT Deep Research: Wer sonst einen Agenten liefert

„ChatGPT Deep Research Alternative“ ist eine der häufigsten Suchanfragen, über die Menschen auf dieses Thema stoßen, und der obige Vierervergleich beantwortet das nicht. Hier erfahren Sie, wer im November 2026 sonst noch tatsächlich einen Recherche-Agenten anbietet und bei wem es nur so scheint.

xAI Grok lässt sich unter diesen Angeboten am schwersten einordnen. Es ist das Produkt, das Menschen meinen, wenn sie fragen, wie Musks KI im Vergleich zu OpenAI oder Anthropic abschneidet. „DeepSearch“ und „DeeperSearch“, die Namen, nach denen Menschen weiterhin suchen, tauchen in xAIs Entwicklerdokumentation nicht auf. Dokumentiert ist ein Multi-Agenten-Modell, grok-4.20-multi-agent, weiterhin als Beta gekennzeichnet, bei dem reasoning.effort 4 Agenten bei low oder medium auswählt und 16 bei high oder xhigh. xAIs neuestes allgemeines Modell, Grok 4.7, erschien am 21. September 2026. Die Dokumentation sagt nicht, dass der Multi-Agenten-Endpunkt darauf läuft. Neue Abonnenten kaufen Grok inzwischen über The X Subscription für 8 bis 200 $ pro Monat. Die Tarife sind nach Nutzungsmultiplikatoren statt nach Recherchekontingenten gestaffelt. Gegenüber ChatGPT und Claude liegt der praktische Unterschied in der Dokumentation: OpenAI veröffentlicht für jeden Tarif eine Recherche-Stufe, und Anthropic nennt das Modell hinter Research. Bei xAI müssen Sie es durch die Nutzung selbst herausfinden.

Moonshots Kimi ist der bestdokumentierte Herausforderer und derjenige, den die meisten Menschen außerhalb Asiens nie ausprobiert haben. Der Deep-Research-Modus läuft auf einem hauseigenen Kimi-Researcher-Modell, und Moonshot veröffentlicht Telemetrie pro Aufgabe, die die amerikanischen Labore nicht liefern: durchschnittlich 23 Reasoning-Schritte, 74 geplante Such-Keywords und 206 gefundene URLs pro Aufgabe, von denen nur die besten 3,2 % in den Bericht gelangen. Läufe dauern 10 bis 25 Minuten. Moonshots Hilfecenter nennt Preise für China, wo die kostenpflichtigen Tarife mit Go für 49 ¥ pro Monat beginnen. Seine neueren allgemeinen Modelle, die Modellserie K3.1 Pro vom Oktober, haben den spezialisierten Recherche-Agenten nicht ersetzt. Moonshot bietet Such- und Abruf-Endpunkte an, die Sie aufrufen können, doch die Dokumentation stellt keinen Zugriff auf den Deep-Research-Agenten selbst bereit. Das Recherche-Produkt ist damit rein für Endkunden.

Manus bietet unter diesen Anbietern die wenigsten technischen Einblicke. Am 1. September 2026 gab das Unternehmen bekannt, es habe „den unabhängigen Betrieb offiziell wieder aufgenommen“. Vier Wochen später, am 28. September, erschien Manus 2.0, eine neue Version des Agenten mit überarbeitetem Gerüst und überarbeiteten Tools. Der Modus Wide Research führt 20 Teilaufgaben gleichzeitig aus, lässt sich allerdings nicht manuell auslösen und steht nur zahlenden Nutzern zur Verfügung.

You.com positioniert sich inzwischen als API-Unternehmen: Die Preisseite führt API-Stufen statt eines Verbrauchertarifs auf. Das Herzstück ist eine gute Research API mit fünf Effort-Stufen von lite bis frontier, bepreist von 12 bis 1.200 $ pro tausend Anfragen. Für jede Stufe wird eine Latenz veröffentlicht, von unter 10 Sekunden bei lite bis zu einem Median von 300 Sekunden bei frontier. Ein Preisunterschied um den Faktor 100 bei einem einzigen Endpunkt zeigt am deutlichsten, worauf sich diese ganze Produktkategorie inzwischen ausgerichtet hat. Darauf geht der API-Abschnitt weiter unten ein.

Mistral hat seinen Recherche-Agenten verschoben und die App um ihn herum umbenannt. Le Chat wurde im Mai 2026 zu Vibe. Am 22. September begann Mistral damit, die Chat- und Work-Modi von Vibe schrittweise zu einer gemeinsamen Oberfläche zusammenzuführen, in der Deep Research als Skill verfügbar ist. Mistral Pro kostet 14,99 $/Monat. Für europäische Teams mit Anforderungen an den Datenstandort ist es die naheliegende erste Anlaufstelle, allerdings nicht die einzige: Langdock, ein deutscher Workspace, der ebenfalls einen Deep-Research-Modus anbietet, hostet seine Anwendung und die meisten seiner Modelle in der EU. Prüfen Sie daher, welche Modelle Ihre Konfiguration tatsächlich nutzt.

DeepSeek ist das nützliche negative Ergebnis. Trotz ständiger Aufnahme in Listen der „besten Deep-Research-Tools“ liefert DeepSeek gar kein Deep-Research-Produkt. Die App hat Websuche und einen Think-Modus, und die neuere Responses API unterstützt inzwischen Function Calling und serverseitige Websuche auf deepseek-v4-pro. Sie können darauf also eine Recherche-Schleife aufbauen. Die Schleife selbst bietet DeepSeek jedoch nicht als fertiges Produkt an.

Die Open-Source-Optionen und eine Warnung

Wenn Sie selbst hosten wollen, lautet die ehrliche Antwort für 2026, dass Wartung und Benchmark-Leistung inzwischen in verschiedenen Repositories liegen.

Aktiv gepflegt und als Einstieg geeignet: GPT Researcher (Apache-2.0, rund 30.600 Sterne, Release v3.8.0 vom 9. November 2026) ist dasjenige, das Sie heute klonen und starten können, ohne vorher einen abgeschalteten Modellnamen in der Konfiguration ersetzen zu müssen. ByteDances DeerFlow ist mit rund 85.000 Sternen das mit Abstand größte und das günstigste zum Ausprobieren, denn es läuft ganz ohne Such-API-Schlüssel mit DuckDuckGo und einem schlüssellosen Reader, auch wenn die 2.0-Neufassung es als generelles Agenten-Gerüst neu positioniert hat, in dem Deep Research eine Fähigkeit unter vielen ist. Alibabas Tongyi DeepResearch ist die glaubwürdige Open-Weights-Option unter Apache-2.0, doch das Repository ist seit Februar 2026 still. Alibabas gehostetes Recherche-Produkt ist davon getrennt: Alibaba Cloud dokumentiert eine qwen-deep-research-API, die Sie aufrufen können, ohne selbst etwas zu hosten.

Nun die Warnung, denn zwei Projekte, die 2025 jede Empfehlungsliste anführten, sind tot und sehen nicht danach aus. LangChains open_deep_research wurde am 21. August 2026 archiviert. GitHub zeigt das Archiv-Banner, doch die README selbst enthält keinen Hinweis, sodass das Projekt für jeden, der aus einem Tutorial kommt, lebendig wirkt. Stanfords STORM hat seit dem 30. September 2025 keinen Commit mehr auf seinem Standardbranch erhalten. Das Standardbeispiel ruft weiterhin die Bing Search API auf, die Microsoft am 11. August 2025 abgeschaltet hat. Sie müssten deshalb zuerst auf einen der anderen Retriever umstellen, damit es läuft. Die STORM-Papers sind weiterhin lesenswert. Die Software sollte nicht Ihr Ausgangspunkt sein.

Unter den bekanntesten Projekten zeigt sich das Muster, dass die Open-Weight-Agenten mit konkurrenzfähigen Benchmark-Werten verstummt sind, während die weiterhin Code ausliefernden Projekte fast keine Benchmarks veröffentlichen. Der jüngste Neuzugang passt von der anderen Seite in dieses Bild: Meituans LongCat-DeepResearch-Paper (September 2026) meldet 51,35 bei DeepResearch Bench II und 79,83 bei ResearchRubrics. Veröffentlicht wurde allerdings ein Gerüst, das Ihre eigenen Modell- und Suchdienste benötigt. Wählen Sie nach dem Wartungsstand aus und messen Sie dann selbst.

Wenn Ihre Recherche auf Dokumente begrenzt ist, die Sie bereits besitzen, statt auf das offene Web, dann ist das eine andere Werkzeugkategorie mit anderen Gewinnern, die wir in Gemini Notebook (früher NotebookLM) im Jahr 2026 behandeln.

---

Deep-Research-APIs: Was Sie tatsächlich aufrufen können

Das ist die Frage, die die Vergleichsartikel ständig überspringen, und diejenige, nach der Entwickler ständig suchen: Welche Deep-Research-Agenten können Sie aus eigenem Code aufrufen, was kosten sie, und wie gut sind die Quellenangaben? Das meiste davon änderte sich im Lauf von 2026. Eine der größten Änderungen, das Ende von Perplexitys Sonar-Recherche-Modell, trat am 27. September ein.

Vier Dinge stechen hervor.

Unter OpenAI, Google und Anthropic verkauft nur Google einen schlüsselfertigen Recherche-Agenten, und auch der ist noch eine Preview. Über den Großteil der Lebensdauer dieser Kategorie war Gemini Deep Research eine Consumer-Funktion, die Sie nicht programmatisch aufrufen konnten. Heute ist es das sauberste Angebot der großen vier: Sie rufen einen Deep-Research-Agenten über die Interactions API auf, wobei background=true vorgeschrieben statt optional ist. Google veröffentlicht sowohl eine geschätzte Preisspanne pro Aufgabe als auch ein echtes Zeitbudget: Die meisten Aufgaben sind innerhalb von 20 Minuten fertig, keine läuft länger als 60. Beide Agenten-IDs tragen weiterhin das Preview-Label vom April. Gemini 4 Argon wurde am 13. Oktober für Entwickler verfügbar, doch die IDs der Recherche-Agenten haben sich seit April nicht geändert. Gehen Sie deshalb nicht davon aus, dass auch sie das Upgrade erhalten haben. Der Enterprise-Zugang läuft über die Gemini Enterprise Agent Platform, die 2026 Vertex AI als Produktnamen dafür ablöste. Ihr Leitfaden erlaubt Läufe von 120 statt 60 Minuten. Die API selbst antwortet weiterhin unter dem alten Host aiplatform.googleapis.com. Ein Codebeispiel aus der Vertex-Zeit ist also nicht automatisch falsch. Gleichen Sie es mit dem aktuellen Leitfaden ab.

Perplexitys alte Recherche-API ist eingestellt, selbst wenn Ihr Code es noch nicht bemerkt hat. sonar-deep-research war zwei Jahre lang die Antwort auf „Welche Deep-Research-API kann ich einfach aufrufen?“. Der Support dafür und für die anderen Sonar-Chat-Completions-Modelle endete am 27. September 2026. Die Abschaltung erfolgt nicht einheitlich. Synchrone und gestreamte Sonar-Anfragen funktionieren weiterhin, weil Perplexity sie Modell für Modell in Agent-API-Anfragen umwandelt. Asynchrone Sonar-Anfragen, der übliche Weg für Deep Research, werden nicht umgewandelt und nicht mehr unterstützt. Sie müssen deshalb in den Hintergrundmodus der Agent API wechseln. Dort senden Sie POST /v1/agent und wählen eine von sechs effort-Stufen von fast bis zur neuesten Stufe ultra. Perplexitys Changelog datiert diese auf den 5. November und beschreibt sie als Stufe für breit angelegte Recherchen, bei denen eine umfassende Abdeckung besonders wichtig ist. Das alte Deep-Research-Modell entspricht high. Auch der Lebenszyklus hat sich geändert. Der alte asynchrone Endpunkt nutzte Großbuchstaben-Status wie IN_PROGRESS. Die Agent API meldet dagegen queued und in_progress, bevor einer von vier Endzuständen eintritt. Ein Lauf, der ein Token-Limit erreicht, bleibt mit einem angehängten paused-Objekt im Status in_progress. Eine Polling-Schleife, die nur auf completed wartet, kann daher endlos warten.

OpenAI verlagerte Deep Research in die Modelllinie und dann in einen verwalteten Agenten. Die dedizierten Modelle o3-deep-research und o4-mini-deep-research wurden im April 2026 als veraltet markiert und am 23. Juli 2026 abgeschaltet. Ihr Ersatzpfad ist ein aktuelles Flaggschiffmodell über die Responses API mit dem web_search-Tool im Hintergrundmodus. Seit dem 10. September 2026 gibt es zusätzlich eine verwaltete Agents API, weiterhin in öffentlicher Beta, bei der OpenAI die Session-Orchestrierung, die Kontextverdichtung und die Wiederherstellung für Sie übernimmt. Am 23. Oktober kamen geplante Automatisierungen hinzu, sodass eine wiederkehrende Rechercheaufgabe keinen eigenen Scheduler mehr benötigt. Sie zahlen die Token-Tarife des Modells plus die üblichen Gebühren für Tools und gehostete Container. OpenAI nennt keine separate Gebühr für die Orchestrierung selbst. Wenn ein älteres Tutorial weiterhin den Aufruf von o3-deep-research empfiehlt, ist OpenAIs Deprecations-Seite maßgeblich: Dort sind beide Recherche-Modelle als abgeschaltet aufgeführt.

Anthropic zwingt Sie nicht mehr, alles selbst zu bauen. Die alte Darstellung, die dieser Leitfaden früher abdruckte, lautete, dass Claude keine Recherche-API hat und Sie Ihre eigene Schleife zusammenbauen. Das ist überholt. Claude Managed Agents ist seit April 2026 in öffentlicher Beta: langlaufende Sessions, Server-Sent Events, Steuern und Unterbrechen, per Cron geplante Deployments sowie eingebaute Websuche, Web-Abruf und MCP, abgerechnet zu Token-Kosten plus 0,08 $ pro Session-Stunde. Anthropics eigenes durchgerechnetes Beispiel veranschlagt für eine einstündige Opus-Session deutlich unter einem Dollar. Beim Web-Abruf fällt anders als bei der Websuche keine Gebühr pro Aufruf an, die gelesenen Seiten werden allerdings als Eingabe-Token abgerechnet. Ein Modell namens „Deep Research“ gibt es weiterhin nicht, aber das Gerüst existiert.

Für die Frage nach der „besten API für Rechercheberichte mit Quellenangaben“ funktionieren konkret drei Ansätze. Google, Perplexity, die Research API von You.com und Exas Agent-Endpunkt liefern fertige Berichte mit Quellenangaben ab Werk. Die Such-Endpunkte von Exa und Tavily liefern quellenattribuierte Ergebnisse, die Sie in Ihr eigenes Modell einspeisen. Das ist ein gängiges Muster für produktive Recherche-Features, weil Sie damit Kosten und Zitationsformat kontrollieren. Und jedes Modell mit einem Websuch-Tool kann laufend zitieren, wenn Sie es entsprechend anweisen. Teams, die Prüfpfade brauchen, bevorzugen meist den Selbstbauweg, weil dort jede Behauptung auf eine von Ihnen abgerufene URL zurückgeht statt auf das Gedächtnis eines Modells. Warum Grounding und Retrieval-Qualität mehr zählen als reine Kontextgröße, lesen Sie in Context Rot: Warum RAG ein riesiges Kontextfenster weiterhin schlägt.

Zwei Hinweise zu den Eigentumsverhältnissen für alle, die sich einen Anbieter aussuchen, von dem sie abhängig sein werden. Tavily gehört inzwischen dem KI-Cloud-Anbieter Nebius, die Einordnung als „unabhängige Such-API“ braucht also ein Sternchen. Und Exa entfernte seinen /research-Endpunkt am 1. April 2026 und integrierte dessen Funktion als Typ deep-reasoning in /search, was bedeutet, dass jedes Tutorial, das Ihnen den Aufruf von exa-research empfiehlt, kaputt ist. Dieser Typ ist inzwischen selbst ein Altmodus: Seit dem 19. Oktober empfiehlt Exa die Suchmodi lite, auto oder deep und verweist längere Aufgaben an Exa Agent.

---

Wie Sie Deep Research per API automatisieren

Eine dieser APIs aufzurufen ist nicht wie ein Chat-Completion-Aufruf. Läufe können Minuten bis zu einer Stunde dauern, deshalb zwingt Sie nahezu jeder Anbieter zum Umgang mit Asynchronität, und alle machen es anders. Wenn Sie einen Recherche-Agenten in ein Produkt oder eine Pipeline verdrahten, ist das der Teil, der Sie einen Tag kostet.

Gehen Sie von Hintergrundausführung aus, nicht von einem blockierenden Aufruf. Google verlangt es rundheraus: Die Deep-Research-Modelle funktionieren nur mit background=true, und Sie pollen die Interaktion oder nehmen einen Stream wieder auf. OpenAI unterstützt den Hintergrundmodus auf der Responses API mit Polling, wiederaufnehmbarem Streaming und Webhooks nach der Standard-Webhooks-Spezifikation. Perplexitys Agent API dokumentiert Hintergrundläufe, die Sie per Polling abfragen. You.com geht den umgekehrten Weg: Jede Stufe unterhalb von frontier kann auf eine einzelne synchrone Anfrage antworten, und nur frontier verlangt den Hintergrundmodus. xAI ist der Ausreißer. background taucht im Schema auf, wird aber als ungenutzt beschrieben. Der echte asynchrone Pfad ist dort deshalb die Batch-API, bei der die meisten Anfragen nach dem Best-Effort-Prinzip innerhalb von 24 Stunden statt innerhalb von Minuten abgeschlossen werden.

Budgetieren Sie pro Aufgabe, nicht pro Token, und prüfen Sie, was die Suche kostet. Die Rechnung einer Recherche-API hat zwei Teile: Token, einschließlich der Reasoning-Token, die Sie nie sehen, und Suchgebühren, die pro Aufruf statt pro Token berechnet werden. OpenAI verlangt 10 $ pro 1.000 Websuch-Aufrufe und berechnet die Suchinhalte zusätzlich als Token. Anthropic verlangt 10 $ pro 1.000 Suchen, Perplexitys Agent API 2,50 $ pro 1.000 Standardsuchen, halb so viel wie die 5 $ pro 1.000 bei sonar-deep-research, und xAI 5 $ pro 1.000 Websuch-Aufrufe. Google gewährt Projekten auf kostenpflichtigen Stufen 5.000 kostenlose Grounding-Suchen pro Monat, gemeinsam für Gemini 3 und neuere Modelle, und verlangt danach 14 $ pro 1.000. Google schätzt etwa 80 Suchen für eine typische Deep-Research-Aufgabe und bis zu etwa 160 für Max. Der kostenlose Topf reicht damit für rund 60 Standardaufgaben oder 30 Max-Aufgaben. Googles eigene Schätzung zeigt, wohin das Volumen fließt: Eine typische Standardaufgabe liest etwa 250.000 Eingabe-Token und erzeugt etwa 60.000 Ausgabe-Token. Der Bericht, den Sie am Ende lesen, ist also nur ein kleiner Teil der Token, für die Sie bezahlen.

Rechnen Sie mit Effort-Stufen, denn sie haben die Modell-IDs ersetzt. Das ist die strukturelle Verschiebung, die sich hinter jeder einzelnen der obigen Änderungen verbirgt. OpenAI hat seine Recherche-Modelle zugunsten eines Flaggschiffs plus Reasoning-Aufwand ausgemustert. Perplexity hat Sonar zugunsten von sechs Agent-API-Presets ausgemustert. Google liefert Standard- und Max-Varianten. xAI lässt Sie über reasoning.effort zwischen 4 und 16 Agenten wählen. Exa, You.com und Tavily bieten alle eine ähnliche Preisstaffelung, von einem günstigen Einstieg bis zu einer Obergrenze pro Anfrage. Wenn Sie mit diesen APIs entwickeln, sollten Sie einen pro Anfrage einstellbaren Aufwand vorsehen, statt einen Modellnamen fest im Code zu hinterlegen.

Den Klärungsschritt müssen Sie größtenteils selbst bauen. Die Consumer-Apps stellen Ihnen Rückfragen, bevor sie loslegen; die meisten APIs nicht. OpenAIs Leitfaden für seine ausgemusterten Recherche-Modelle sagte das ausdrücklich und forderte Entwickler auf, von Anfang an einen vollständig ausformulierten Prompt zu senden. Die übliche Lösung, die OpenAIs Cookbook vorführte, ist ein kleines günstiges Modell, das die Anfrage triagiert und in eine Rechercheanweisung umschreibt, bevor der teure Agent überhaupt startet. Google ist die Ausnahme: Setzen Sie collaborative_planning, und der Deep-Research-Agent liefert einen Planvorschlag zurück, den Sie über mehrere Runden bearbeiten oder freigeben können, bevor die Recherche beginnt. Allerdings ist auch diese Option noch eine Preview.

Speziell beim Faktencheck ist die Verifikation eine Pipeline-Stufe und kein Prompt. Anthropics Cookbook vom Juli 2026 beschreibt das Muster: Zerlegen Sie die Ausgabe in eigenständige Behauptungen, prüfen Sie jede Behauptung in ihrem eigenen sauberen Kontext, und lassen Sie anschließend einen separaten Skeptiker-Durchgang die Urteile anfechten. Die Begründung ist unverblümt: Auch „Überprüfen Sie Ihre Ergebnisse noch einmal“ ist nur eine Anweisung, die unter Kontextdruck übersprungen wird. Wenn Sie den Echtzeit-Faktenchecker bauen, nach dem alle suchen, ist diese Zerlegung die Architektur, und die Such-API darunter zählt weniger als die Struktur darum herum.

---

Deep-Research-Benchmarks: Was die Leaderboards zeigen

Drei Zahlen werden am häufigsten zitiert: Humanity's Last Exam, BrowseComp und SimpleQA. Sie sind nützlich, sie werden breit falsch zitiert, und sie tragen zwei strukturelle Probleme, die fast niemand erwähnt.

Beginnen wir mit dem ersten. Wir konnten kein unabhängiges HLE- oder BrowseComp-Leaderboard finden, das die ausgelieferten Recherche-Agenten mit Tools gegeneinander in eine Rangfolge stellt. Die Anbieterzahlen sind selbstgemeldet, und das eine ernstzunehmende Drittanbieter-Gerüst bewertet Modell-plus-Suche-Konfigurationen, die Sie nicht kaufen können, statt Produkte, die Sie kaufen können. Wenn Sie sehen, dass der Agent oder das Modell eines Anbieters „mit Tools“ in den Fünfzigern, Sechzigern oder inzwischen Siebzigern punktet, sehen Sie ein Ergebnis, das vom Testaufbau, vom Suchbudget und vom Bewerter genau dieses Anbieters abhängt. Das macht die Zahlen nicht falsch. Es macht sie unvergleichbar. (Die weiter unten behandelten Benchmarks zur Berichtsqualität testen tatsächlich ausgelieferte Agenten.)

Das zweite Problem ist die Stufenbezeichnung. Dieser Leitfaden druckte früher 54,6 % HLE und 85,9 % BrowseComp als "Gemini Deep Research". Beide Zahlen gehören zu Deep Research Max, Googles Stufe mit höherem Aufwand, gegenüber 50,4 % und 61,9 % für die Standardstufe. Das sind 24 Punkte Abstand bei BrowseComp zwischen zwei Produkten, die unter einem Namen verkauft werden, und Vergleichsartikel werfen sie ständig zusammen. Wissenswert ist, dass Google diese Werte in seiner Ankündigung vom April 2026 in einem Diagramm veröffentlichte statt als zitierbaren Text, was mit ein Grund dafür ist, dass sie weiter unten in der Kette verstümmelt werden.

Die als Modelle gekennzeichneten Zeilen wurden in den eigenen Testgerüsten ihrer Hersteller bewertet, nicht als Recherche-Produkte, die Sie kaufen können. Claude Research läuft zwar auf Opus 5.5, doch Anthropic maß die 67,7 % in seiner eigenen Testumgebung, nicht über den Research-Button.

Bei dieser letzten Zeile lohnt es sich zu verweilen. Sie stammt aus OpenRouters eigenem Benchmark-Gerüst, das Produktionsendpunkte abfragt, statt Anbieterangaben zu sammeln, und das Kosten und Latenz neben der Genauigkeit veröffentlicht: 0,46 $ pro Frage, 83 Sekunden, bei einer Stichprobe von 84 Fragen. Es ist kein Produkt, das Sie kaufen können. Es ist ein Modell plus ein Suchanbieter plus ein Rundenbudget, von Dritten zusammengesetzt. Sein Wert liegt über der selbstgemeldeten Zahl jedes ausgelieferten Agenten, allerdings mit einem anderen Gerüst und einer kleineren Stichprobe. Eine Einschränkung dazu, wer hier misst: OpenRouter verkauft die meisten der Modelle und Suchmaschinen, die es bewertet, selbst weiter.

Der mit Abstand nützlichste Befund der ganzen Kategorie stammt aus demselben Gerüst. Bei BrowseComp erreichte eine Konfiguration 35,8 % mit einem Suchlimit von einer Runde und 89,0 % mit einem Limit von 25 Runden, in derselben Laufreihe. Gleiches Modell, gleicher Benchmark. Das Gerüst darum herum, genauer gesagt die Zahl der erlaubten Suchen, verschob das Ergebnis um 53 Punkte. „Welches Modell ist am klügsten?“ ist also nur die halbe Frage. Die andere Hälfte lautet, wie viele Suchen Sie ihm erlauben. Welche Suchmaschine diese ausführt, zählt weniger: OpenRouters eigene Auswertung ergab, dass das Modell wichtiger war als der Suchanbieter. Planen Sie ein Budget sowohl für Suchrunden als auch für das Modell ein.

Auch die Kostenkurve ist flacher, als das Marketing suggeriert. Auf demselben Leaderboard kostete die beste BrowseComp-Konfiguration 0,99 $ pro Frage, während ein günstiges Modell mit demselben Suchanbieter 77,0 % bei 0,076 $ erreichte, also rund 13-mal günstiger bei 12 Punkten weniger Genauigkeit. Allerdings wurden die beiden Zeilen anhand unterschiedlich vieler Fragen bewertet. Für die meiste reale Arbeit lohnt sich dieser Kompromiss.

Die Benchmarks, die für Recherche-Agenten gebaut wurden

HLE und BrowseComp messen, ob ein Agent eine schwierige Tatsache finden kann. Sie messen nicht, ob der Bericht etwas taugt. Drei neuere Benchmarks tun das, und sie fallen weit weniger schmeichelhaft aus.

ResearchQA, ein unabhängiges akademisches Vorhaben mit 21.000 Anfragen und 160.000 Rubrik-Kriterien aus 75 Fachgebieten, in acht davon validiert durch 31 promovierte Annotatoren, stellte fest, dass keines der einfachen Sprachmodelle und keines der getesteten Retrieval-Systeme 70 % Rubrik-Abdeckung erreichte. Nur die eigens dafür gebauten Deep-Research-Agenten schnitten besser ab, und der beste von ihnen blieb bei 75,3 % stehen. Deutlicher noch: Dieses Spitzensystem behandelte unter 11 % der Zitations-Rubrik-Kriterien vollständig und rund die Hälfte der Kriterien zu Einschränkungen und Vergleichen. Agenten finden Quellen. Weit schlechter sind sie darin zu sagen, was die Quellen nicht belegen.

ResearchRubrics, gebaut auf über 2.800 Stunden Expertenarbeit, setzte sowohl Gemini Deep Research als auch OpenAI Deep Research unter 68 % durchschnittliche Rubrik-Erfüllung. DeepResearch Bench II, mit 9.430 binären Rubrik-Kriterien, destilliert aus investigativen Expertenartikeln, meldete im Januar 2026, dass selbst die stärksten Modelle weniger als die Hälfte davon erfüllten. Die Verantwortlichen haben neue Einreichungen inzwischen auf einen GPT-5.5-Bewerter umgestellt und fehlerhafte Aufgaben ausgesondert. Das aktuelle Leaderboard, auf dem die besten Einträge bei den verbleibenden 130 Aufgaben Werte im unteren 60er-Bereich erreichen, lässt sich deshalb nicht direkt mit der Januarzahl vergleichen.

Zwei weitere Warnungen, bevor Sie eine dieser Zahlen zur Toolauswahl heranziehen. Die Werte hängen davon ab, welches Modell die Bewertung übernimmt. Jede Tabelle, die Bewerter vermischt, erzählt Ihnen deshalb sowohl etwas über die Bewerter als auch über die Agenten. Und Agenten, die das aktuelle Web durchsuchen, können die Antworten eines Benchmarks selbst abrufen: Eine Studie von 2026 maß dadurch eine Aufblähung von bis zu 4 %.

SimpleQA verdient heute eher eine Fußnote als eine Schlagzeile. Perplexitys 93,9 % sind echt, stammen aber vom Februar 2025 und beschreiben ein Sonar-basiertes Produkt, das, wie oben beschrieben, in dieser Form nicht mehr existiert.

Der beständigste unabhängige Befund ist zugleich der älteste. Das Tow Center der Columbia Journalism Review testete acht KI-Suchmaschinen über 1.600 Anfragen hinweg und stellte fest, dass sie in mehr als 60 % der Fälle die richtige Information nicht abrufen konnten, mit Fehlerquoten von 37 % bis 94 % je nach Maschine. Diese Studie stammt vom März 2025, und wir fanden keine Wiederholung des Tow Center in diesem Umfang, was für sich genommen ein Kommentar dazu ist, wie dünn unabhängige Evaluation bleibt.

Die ehrliche Lesart: Benchmarks ordnen Tools bei extrem schwierigen Aufgaben zuverlässig ein, bei leichteren Aufgaben dagegen schlecht. Schicken Sie denselben echten Prompt durch zwei Tools auf deren kostenloser oder günstigster Stufe und vergleichen Sie. Benchmarks sind ein Hinweis. Ihr eigener Test ist ausschlaggebend. Für eine längere Begründung, warum Benchmark-Besessenheit in die Irre führt, siehe Die KI-Denkfalle.

---

Realitätscheck für kostenlose Stufen

Die Marketingseiten heben alle den kostenlosen Zugang hervor. Hier steht, was „kostenlos“ im November 2026 tatsächlich bedeutet, und ausnahmsweise sind die Nachrichten gut: Drei der vier lassen Sie inzwischen Deep Research nutzen, ohne dafür zu zahlen.

OpenAI hat weiterhin ein kostenloses Kontingent und sagt weiterhin nicht, wie groß es ist. Die weiterhin kursierenden Angaben „5 kostenlos pro Monat, 25 bei Plus, 250 bei Pro“ stammen aus einem Blog-Update vom April 2025. Die aktuelle Preisseite nennt „begrenzt“ für den Free-Tarif und die Go-Stufe für 8 $/Monat, „erweitert“ für Plus und „maximal“ für Pro, und das Hilfecenter beschreibt einen Zähler im Produkt, der alle 30 Tage zurückgesetzt wird, ohne zu sagen, bei welchem Wert er startet. Die einzigen derzeit veröffentlichten Zahlen stehen auf der Preisliste für Geschäftskunden und Bildungseinrichtungen: Eine Deep-Research-Aufgabe kostet 50 Credits, und Edu enthält 5 Anfragen pro gleitendem 24-Stunden-Zeitraum. Wenn Sie ein planbares persönliches Kontingent brauchen, ist das der am wenigsten planbare Anbieter.

Perplexity hat Deep Research wieder in den kostenlosen Tarif aufgenommen. Das Hilfecenter sagt inzwischen, dass alle Tarife kostenlose Nutzung von Deep Research enthalten. Der Tarifvergleich beziffert das Free-Kontingent auf eine Rechercheanfrage pro Monat, gegenüber monatlichen Limits bei Pro und Max. Innerhalb von Computer verbraucht jeder Prompt zunächst Ihr kostenloses Kontingent und greift anschließend auf Credits zurück. Das September-Update dieses Leitfadens bezeichnete Deep Research als Pro- und Max-exklusiv. Das trifft nicht mehr zu.

Geminis kostenlose Stufe ist inzwischen Realität, und die günstige Stufe bleibt das Preis-Leistungs-Argument. Googles Tarifseite führt Deep Research im kostenlosen Tarif auf. Der Hilfeseite zufolge können alle ab 18 Jahren es mit dem Thinking-Modell nutzen, während AI Pro und Ultra zusätzlich Berichte des Pro-Modells bieten. Die Recherchelimits gelten pro Tag. AI Plus für 4,99 $ pro Monat verdoppelt das Nutzungskontingent des kostenlosen Tarifs und liegt weiterhin deutlich unter den Einstiegspreisen aller anderen.

Claude ist inzwischen das einzige der vier Angebote ohne kostenloses Research. Research ist im kostenlosen Tarif nicht verfügbar und in jedem kostenpflichtigen Tarif enthalten: Pro für 20 $, Max für 100 $, Ultra für 200 $, dazu Team und Enterprise.

Die praktische Lesart: Sie können Deep Research inzwischen bei Gemini kostenlos ausgiebig ausprobieren und bei Perplexity und ChatGPT kennenlernen. Eine Anfrage pro Monat bei Perplexity Free ist allerdings eine Kostprobe, kein Workflow. Wenn Sie nur für eines zahlen, ist Geminis AI Plus für 4,99 $ der günstigste Weg zu mehr Recherche. Wenn Sie die gründlichsten Ergebnisse bei mehrdeutigen Fragen wollen, verschafft Ihnen ChatGPT Plus für 20 $ OpenAI Deep Research plus alles andere im Paket. Claude Pro ergibt am meisten Sinn, wenn Sie Claude ohnehin zum Lesen und Schreiben nutzen und ein einziges Abonnement wollen.

---

Welches Tool für welche Aufgabe

Die oben genannten Belege und die Dokumentation der Anbieter geben bei APIs und Preisen den Ausschlag. Die folgenden Urteile über die Schreibqualität sind meine Einschätzungen, keine Messwerte. So würde ich die Arbeit heute verteilen.

Wissenschaftliche Literaturübersicht. Claude Research. Der 1M-Token-Kontext von Opus 5.5, dem Modell hinter Research, zählt, wenn der Agent über 20 Arbeiten gleichzeitig im Kontext behalten muss, und Claude ist merklich besser darin, oberflächlich ähnliche Behauptungen zu unterscheiden. Die Läufe dauern länger, aber Literaturübersichten sind nicht zeitkritisch.

Marktdimensionierung und Wettbewerbsanalyse. OpenAI Deep Research. Die Tiefe des Reasonings bei mehrdeutigen strategischen Fragen kommt hier deutlich zum Tragen. Es ist dasjenige, dem ich bei Prompts der Art "Helfen Sie mir, diese Branche zu verstehen" am meisten vertraue.

Härteste faktische Recherche. Gemini Deep Research Max über Googles API. Wenn die Benchmark-Führenden überhaupt etwas aussagen, dann dass Googles Stufe mit hohem Aufwand der stärkste ausgelieferte Agent bei der Suche nach wenig bekannten Fakten über mehrere Rechercheschritte hinweg ist. Nutzen Sie die Max-Stufe bewusst, denn die Standardstufe ist ein spürbar anderes Produkt, und Google sagt nicht, ob die Berichte des Pro-Modells in der App der Max-Stufe entsprechen.

Kurzbriefings vor einem Meeting. Perplexity. Die Berichte sind kürzer und enzyklopädischer, und genau das wollen Sie, wenn Sie Orientierung brauchen statt eines Essays.

Recherche mit Ihren eigenen Dokumenten. Gemini Deep Research. Die Workspace-Integration ist weiterhin der Burggraben: Wenn die Hälfte Ihres Quellenmaterials in Drive, Gmail und alten Besprechungsnotizen liegt, passt es am besten. Allerdings kann ChatGPTs Deep Research inzwischen ebenfalls ein verbundenes Google Drive oder SharePoint durchsuchen.

Entwickler-Integrationen und Massenläufe. Googles Deep Research API, wenn Sie den Agenten mit den höchsten veröffentlichten Werten wollen, Perplexitys Agent API nach dem Ende von Sonar oder die Research API von You.com, wenn Sie für jede Stufe eine veröffentlichte Latenz wünschen. Wenn Sie Kontrolle über Zitationsformat und Kosten wollen, bauen Sie die Schleife selbst auf der Suche von Exa oder Tavily auf.

Günstige Recherche in hohem Volumen innerhalb eines Produkts. Ein Modell der mittleren Klasse, gepaart mit einem guten Suchanbieter und einem großzügigen Rundenbudget. Die obige Benchmark-Evidenz sagt, dass Sie damit den größten Teil der Genauigkeit zu einem Bruchteil der Kosten erhalten, und es ist die Konfiguration, die die meisten produktiven Features tatsächlich ausliefern.

Widersprüchliche Belege zusammenführen. Claude. Wenn Quellen sich widersprechen, ist Claude am ehesten bereit, den Widerspruch sichtbar zu machen, statt vorschnell Partei zu ergreifen.

Ein Muster, das manche überraschen dürfte: kein einzelnes Tool dominiert. Schicken Sie für Arbeiten, bei denen viel auf dem Spiel steht, denselben Prompt durch zwei Agenten. Zwei 20-$-Tarife kosten etwa 40 $ pro Monat. Geminis kostenloser Tarif macht die zweite Meinung noch günstiger, und genau dort, wo die beiden Berichte einander widersprechen, sollten Sie nachprüfen. Wenn Sie breiter entscheiden, wie KI in Ihren Lern- oder Arbeitsalltag passt, behandelt KI-Lernmodi im Vergleich die angrenzende Frage.

---

Das fehlende Stück: Rechercheberichte in nutzbares Wissen verwandeln

Hier kommt, was fast kein Vergleichsartikel erwähnt. Der Bericht, den der Agent erzeugt, ist Rohmaterial, und die Recherche ist erst beendet, wenn Sie ihn richtig gelesen haben.

Eine lange Ausgabe von Claude Research oder ein OpenAI-Deep-Research-Bericht ist der Anfang der Arbeit, nicht das Ende. Einmal lesen, das Fazit überfliegen, den Tab schließen, und Sie haben einen Agenten dafür bezahlt, etwas zusammenzufassen, das Sie gar nicht gelernt haben. Eine Studie des MIT Media Lab aus dem Jahr 2025 (behandelt in unserer Analyse zu KI und Lernen) maß die EEG-Aktivität, während Menschen Essays mit und ohne ChatGPT schrieben, und fand deutlich geringere kognitive Beteiligung in der unterstützten Gruppe. Es war ein kleiner Preprint über das Schreiben statt über das Lesen, doch die Richtung, in die er zeigt, erkennt jeder Vielnutzer von KI wieder.

Die Abhilfe ist das, was Forschende seit Jahrhunderten tun: annotieren. Markieren Sie die Behauptungen, auf die es ankommt. Kennzeichnen Sie die Quellen, die Sie überprüfen wollen. Verknüpfen Sie Erkenntnisse über Berichte hinweg.

Genau hier passt Glasps Web-Highlighter in den Workflow. Führen Sie Ihre Recherche auf OpenAI, Perplexity, Gemini oder Claude aus. Fügen Sie den Bericht in eine lesbare Seite ein. Markieren Sie direkt im Browser, während Sie lesen. Ihre Markierungen synchronisieren sich in Ihre Glasp-Bibliothek, durchsuchbar und geordnet, neben allem anderen, was Sie in diesem Monat gelesen haben.

Ein paar konkrete Workflows, die funktionieren:

Markieren, dann erneut fragen. Lesen Sie den Bericht und markieren Sie die 10 bis 15 wichtigsten Behauptungen. Fügen Sie diese Markierungen mit "Gehen Sie bei diesen konkreten Punkten tiefer" zurück in denselben Agenten ein. Iterativ statt einmalig.

Berichte nach Thema stapeln. Wenn Sie dasselbe Thema mit zwei Tools recherchieren (etwa OpenAI und Claude), zeigt Ihnen das Markieren beider Berichte in Glasp, wo sie übereinstimmen und wo sie auseinandergehen. Die Widersprüche sind oft die interessantesten Stellen.

YouTube neben Text nutzen. Wenn die besten Quellen Podcasts oder Vorträge sind, liefert Ihnen YouTube Summary Zusammenfassungen auf Transkriptebene mit Zeitstempeln. Ein Deep-Research-Textbericht zusammen mit 3 bis 4 annotierten YouTube-Vorträgen deckt ein Thema gründlicher ab als jedes für sich.

Mit Ihren Markierungen chatten. Glasps KI-Chat kann Fragen beantworten und dabei Ihre Annotationen als Quelle nutzen. Das ist der Unterschied zwischen "Was hat der Agent über X gesagt?" und "Was habe ich selbst über X geschlossen?".

Veröffentlichen Sie, was Sie gelernt haben. Die Community auf Glasp ist voll von Menschen, die an ähnlichen Themen forschen. Markierte Berichte zu teilen, zwingt dazu, eine Recherche abzuschließen, statt immer nur neue anzustoßen. Eine Schritt-für-Schritt-Anleitung finden Sie in Wie man Artikel richtig annotiert.

Ein Bericht, den Sie einmal lesen, ist eine Quittung, kein Wissen. Der Schritt des Markierens und Annotierens ist es, der Agentenausgabe in etwas verwandelt, das Sie tatsächlich wissen.

---

Häufig gestellte Fragen

Welches Deep-Research-Tool ist am genauesten?

Unter den Recherche-Agenten der großen vier hat Googles Gemini Deep Research Max mit 54,6 % bei Humanity's Last Exam den höchsten veröffentlichten Wert (Google, April 2026). Achten Sie auf den Namen: Die Standardstufe Deep Research erreichte im selben Test 50,4 %, und die meisten Vergleichsartikel zitieren die Max-Zahl unter dem schlichten Produktnamen. Modelle haben in den eigenen Tests ihrer Hersteller inzwischen höhere Werte erreicht: 67,7 % für Claude Opus 5.5, auf dem Claude Research läuft, 70,0 % für Moonshots Kimi K3.1 Pro und 74,2 % für Claude Fable 5.2. All das sind Selbstangaben der Anbieter. Der höchste Wert von Dritten, 77,4 %, stammt von einer Modell-plus-Suche-Konfiguration, die niemand verkauft, bewertet mit einem anderen Gerüst und einer Stichprobe von 84 Fragen. In der Praxis sind die Genauigkeitsunterschiede zwischen den Spitzentools kleiner, als die Leaderboards nahelegen.

Ist Gemini Deep Research besser als Perplexity?

Allein anhand der Benchmarks lässt sich das nicht sagen. Googles Spitzenwerte, 54,6 % bei Humanity's Last Exam und 85,9 % bei BrowseComp, gehören zu Deep Research Max, das Google über seine API verkauft. Perplexitys eigene Seite beziffert sein aktuelles Deep Research in diesen Tests auf 50,5 % und 83,8 %. Damit liegt es gleichauf mit oder über Googles Standardstufe mit 50,4 % und 61,9 %, wobei jeder Anbieter sein eigenes Testgerüst nutzte. Die praktischen Unterschiede sind klarer. Gemini bietet Erwachsenen Deep Research im kostenlosen Tarif und liest Ihr Gmail und Drive. Perplexity zufolge sind die meisten seiner Rechercheaufgaben in unter 3 Minuten fertig, gegenüber den bei Gemini üblichen 5 bis 10 Minuten. Sein Free-Tarif erlaubt allerdings nur eine Rechercheanfrage pro Monat. Wählen Sie Gemini für kostenlose Nutzung und Quellen aus Google Workspace und Perplexity für schnelle Briefings.

Was ist die beste Alternative zu ChatGPT Deep Research?

Für die meisten Menschen sind Gemini Deep Research oder Perplexity die beste Alternative. Gemini ist für Erwachsene im kostenlosen Tarif verfügbar, bietet für 4,99 $/Monat die doppelten Limits und erzielt über die Max-Stufe seiner API die besten veröffentlichten Benchmark-Ergebnisse. Perplexity ist breiter aufgestellt und schneller. Wenn Sie etwas außerhalb der großen vier wollen: Moonshots Kimi hat einen gut dokumentierten Deep-Research-Modus, Mistrals Angebot ist für 14,99 $/Monat in der Vibe-App verfügbar, und xAIs Grok bietet einen Multi-Agenten-Modus. Wenn Sie selbst hosten wollen, sind GPT Researcher und ByteDances DeerFlow die aktiv gepflegten Open-Source-Optionen. Meiden Sie LangChains open_deep_research, im August 2026 archiviert, und Stanfords STORM, das seit September 2025 keinen Commit mehr erhalten hat.

Wie schneidet Grok bei Deep Research im Vergleich zu ChatGPT und Claude ab?

Bei der Dokumentation liegt Grok hinter beiden. Für Entwickler besteht xAIs Recherche-Option aus einem Multi-Agenten-Modell, grok-4.20-multi-agent, weiterhin in der Beta, das bei hohem Aufwand 16 statt 4 Agenten ausführt. Neue Abonnenten kaufen Grok über The X Subscription für 8 bis 200 $ pro Monat, gestaffelt nach Nutzung statt nach Recherchekontingenten. OpenAI dokumentiert Deep Research für jeden ChatGPT-Tarif, von „begrenzt“ bei Free bis „maximal“ bei Pro. Anthropic dokumentiert, dass Claude Research in jedem kostenpflichtigen Tarif auf Opus 5.5 läuft. Es gibt keinen aktuellen Benchmark, der die drei Recherche-Produkte direkt vergleicht. Schicken Sie deshalb dieselbe echte Frage durch die beiden Angebote, die Sie erwägen, und vergleichen Sie die Quellen, die jedes davon findet.

Was ist die beste Deep-Research-API?

Für die meisten Teams Googles Deep-Research-Agenten über die Interactions API. Sie sind das einzige speziell auf Recherche ausgerichtete API-Angebot von OpenAI, Google oder Anthropic. Google veröffentlicht eine Preisschätzung pro Aufgabe von rund 1 bis 3 $ (oder 3 bis 7 $ für Max) und dokumentiert ein echtes Zeitbudget, auch wenn beide Agenten noch Previews sind. Perplexitys Agent API ist die naheliegende Anlaufstelle, wenn Sie Sonar genutzt haben, dessen Support am 27. September 2026 endete. Die Research API von You.com sollten Sie ausprobieren, wenn Sie für jede Stufe einen veröffentlichten Preis und eine veröffentlichte Latenz wünschen. Wenn Sie Kontrolle über Zitationsformat und Kosten wollen, bauen Sie die Schleife selbst auf der Suche von Exa oder Tavily auf, statt einen fertigen Bericht zu kaufen.

Was ist die schnellste Deep-Research-API?

Kein Anbieter veröffentlicht einen direkten Geschwindigkeitstest, aber die Research API von You.com nennt für jede Stufe eine Latenz: unter 10 Sekunden bei lite, etwa 10 bis 30 Sekunden bei standard, unter 2 Minuten bei deep, unter 5 Minuten bei exhaustive und einen Median von 300 Sekunden bei frontier, das nur im Hintergrund läuft. Google dokumentiert ein Budget statt einer Geschwindigkeit: Die meisten Deep-Research-Aufgaben sind innerhalb von 20 Minuten fertig, die Obergrenze liegt bei 60 Minuten. Wenn Sie Tempo brauchen, ist der Hebel der Aufwand, nicht der Anbieter: Diese APIs bieten einen Stufenregler. Perplexitys Preset fast, entwickelt für einzelne Fakten und kurze Zusammenfassungen, und You.coms lite bilden das schnelle Ende. Für unaufbereitete Ergebnisse mit Quellenangaben in Sekunden, die Sie in Ihr eigenes Modell einspeisen, ist die Suche von Exa und Tavily der schnelle Weg.

Wie lange dauern Deep-Research-Läufe?

Nur mit von den Anbietern veröffentlichten Zahlen: Googles Hilfeseite zufolge dauert ein Gemini-Bericht in der Regel etwa 5 bis 10 Minuten. Die API erledigt die meisten Aufgaben innerhalb von 20 Minuten, bei einer Obergrenze von 60 Minuten. Perplexity zufolge sind die meisten Recherchen in unter 3 Minuten fertig, können aber etwa 4 bis 5 Minuten dauern. Moonshot gibt für Kimi 10 bis 25 Minuten an. OpenAIs Launch-Seite nennt weiterhin 5 bis 30 Minuten, eine Zahl vom Februar 2025, und Anthropics Research-Hilfeseite nennt keine. Behandeln Sie OpenAIs Angabe als historisch, denn das Produkt wurde seither neu gebaut.

Kann ich Deep-Research-Tools per API nutzen?

Ja, und die Optionen haben sich 2026 erheblich verändert. Googles Deep-Research-Agenten über die Interactions API sind unter OpenAI, Google und Anthropic die einzige schlüsselfertige Option, bepreist mit rund 1 bis 3 $ pro Aufgabe und 3 bis 7 $ für die Max-Stufe. Perplexitys sonar-deep-research war der Liebling der Entwickler, bis sein Support am 27. September 2026 endete. Der Ersatz sind die sechs Effort-Presets der Agent API. OpenAI schaltete seine dedizierten Modelle o3-deep-research und o4-mini-deep-research am 23. Juli 2026 ab, sodass Sie nun ein Flaggschiffmodell über die Responses API mit dem Websuch-Tool laufen lassen oder die Agents API nutzen, in öffentlicher Beta seit September 2026. Anthropic hat keine speziell für Recherche vermarktete API, bietet aber Claude Managed Agents in der Beta an, abgerechnet nach Token plus 0,08 $ pro Session-Stunde. Die Research API von You.com und Exas Agent liefern ebenfalls fertige Berichte. Die Suche von Exa und Tavily gehört zu den beliebten Optionen zum Selbstbauen.

Welche Deep-Research-API hat eine nutzungsbasierte Abrechnung?

Alle rechnen nach Nutzung ab, allerdings in unterschiedlichen Einheiten. Google, OpenAI, Anthropic und Perplexity berechnen Modell-Token plus eine Gebühr pro Suche. Google schätzt 1 bis 3 $ für eine Standard-Deep-Research-Aufgabe und 3 bis 7 $ für Max. You.com berechnet pro Anfrage nach Effort-Stufe, von 12 bis 1.200 $ pro 1.000. Tavily verkauft Credits für je 0,008 $, und Exas Agent kostet bei festem Aufwand 0,012 bis 1,00 $ pro Lauf, während die Stufen Auto und Ultra nach Verbrauch abgerechnet werden. Wenn Sie eine planbare Rechnung brauchen, lässt sich eine Abrechnung pro Anfrage leichter vorhersagen als eine nach Token.

Welche Deep-Research-API hat die besten Quellenangaben?

Google, Perplexity, die Research API von You.com und Exas Agent liefern ab Werk Berichte mit Quellenangaben zurück. Für produktive Systeme, die jede Behauptung auf eine URL zurückführen müssen, bauen Teams oft auf der Suche von Exa oder Tavily auf. Diese liefert quellenattribuierte Ergebnisse, die Sie in Ihr eigenes Modell einspeisen, sodass Sie das Format steuern und einen Prüfpfad zeigen können. Jedes Modell mit einem Websuch-Tool kann inline zitieren, wenn Sie es entsprechend anweisen. Denken Sie dabei an die unabhängige Forschung: Das bestbewertete System behandelte unter 11 % der Zitations-Rubrik-Kriterien vollständig, das Vorhandensein von Quellenangaben ist also nicht dasselbe wie ausreichende Quellenangaben.

Gibt es ein kostenloses Deep-Research-Tool?

Ja, und es sind mehr als im September. Geminis kostenloser Tarif enthält Deep Research mit dem Thinking-Modell für alle ab 18 Jahren. Perplexity bietet in jedem Tarif kostenlose Nutzung, Free ist allerdings auf eine Rechercheanfrage pro Monat begrenzt. ChatGPT Free behält ein „begrenztes“ Kontingent ohne veröffentlichte Stückzahl. Claude ist die Ausnahme und bietet Research nur in kostenpflichtigen Tarifen an. Wenn Sie es lieber selbst betreiben möchten, können Sie die oben behandelten Open-Source-Agenten kostenlos herunterladen. Für die Modell- und Suchdienste, die sie aufrufen, zahlen Sie dennoch (DeerFlow kann zumindest über DuckDuckGo ohne API-Schlüssel suchen).

Wie verhindere ich Halluzinationen in Deep-Research-Berichten?

Drei praktische Taktiken. Erstens: Klicken Sie mindestens die drei bis fünf wichtigsten zitierten Quellen an und bestätigen Sie, dass die Behauptung tatsächlich in der Quelle steht. Denn eine echte Quelle, die als Beleg für etwas angeführt wird, das sie gar nicht aussagt, fällt viel weniger auf als ein Link, der nicht existiert. Zweitens: Schicken Sie denselben Prompt durch ein zweites Tool; Widersprüche zeigen meist, wo eines von beiden danebenlag. Drittens: Wenn Sie das in Software einbauen, machen Sie die Verifikation zu einer eigenen Pipeline-Stufe statt zu einer Zeile in Ihrem Prompt: jede Behauptung extrahieren, sie in sauberem Kontext prüfen, dann einen Skeptiker-Durchgang die Urteile anfechten lassen. Das ist das Muster, das Anthropics Cookbook vom Juli 2026 beschreibt.

Können Deep-Research-Tools meine privaten Dokumente lesen?

Ja, mit Ihrer Erlaubnis, und der Abstand ist kleiner geworden. Gemini Deep Research hat die tiefste Integration, mit nativem Zugriff auf Ihr Gmail, Drive und Docs. ChatGPTs Deep Research kann je nach Tarif verbundene Quellen wie Google Drive oder SharePoint durchsuchen. Claude Research kann Ihre verbundenen Tools in den Web- und Desktop-Apps nutzen, durchsucht auf Mobilgeräten allerdings nur das Web. Perplexitys Computer kann neben dem Web auch Ihre Dateien und Apps einbeziehen. Wenn Ihr Quellenmaterial größtenteils in Google Workspace liegt, ist Gemini weiterhin die naheliegende Wahl.

Wie speichere und verwende ich Deep-Research-Berichte am besten wieder?

Exportieren Sie den Bericht als PDF oder Markdown, öffnen Sie ihn in einer Leseansicht und markieren Sie ihn wie jeden anderen langen Artikel. Glasp ist genau für diesen Workflow gebaut: Markierungen werden in einer durchsuchbaren Bibliothek synchronisiert; Sie können sie mit anderen Markierungen verknüpfen und später erneut aufrufen. Ohne einen Markierschritt werden die meisten Deep-Research-Berichte einmal gelesen und dann vergessen. Auch eine kurze Notiz in eigenen Worten neben einer Markierung hilft: In Slameckas und Grafs Experimenten zum Generierungseffekt von 1978 erinnerten sich Menschen besser an Wörter, die sie selbst erzeugt hatten, als an Wörter, die sie nur gelesen hatten.

---

Fazit: Der Recherche-Stack, nicht das Recherche-Tool

Einundzwanzig Monate nach OpenAIs Start hat sich die Kategorie geklärt und dann neu geordnet. Deep-Research-Agenten sind kein Markt, in dem einer alles gewinnt. Sie bilden ein vielfältiges Angebot, bei dem die richtige Wahl davon abhängt, was Sie recherchieren, wie viel Zeit Sie haben, wo Ihr Quellenmaterial liegt und ob Sie einen Knopf drücken oder eine API aufrufen.

Müsste ich gerade jetzt eines für die meisten Wissensarbeiter auswählen, wäre es weiterhin Gemini: ein kostenloser Tarif mit Deep Research, das günstigste kostenpflichtige Upgrade für 4,99 $, die besten veröffentlichten Benchmark-Ergebnisse (aus der Max-Stufe seiner API) und die einzige speziell auf Recherche ausgerichtete API von OpenAI, Google oder Anthropic. Für anspruchsvollere oder weniger klar umrissene Aufgaben kombinieren Sie es mit OpenAI Deep Research oder Claude Research. Entwickler, die noch asynchrone Sonar-Aufrufe senden, sollten diese jetzt auf Perplexitys Agent API umstellen, denn Perplexity unterstützt sie seit dem 27. September nicht mehr.

Die tiefere Veränderung ist struktureller Art. Das dedizierte Deep-Research-Modell ist bei den großen Laboren auf dem Rückzug: OpenAI hat seine Recherche-Modelle ausgemustert, Perplexity hat Sonar ausgemustert, Google liefert einen Agenten statt eines Modells, Anthropic liefert ein verwaltetes Gerüst, und xAI lässt Sie eine Agentenzahl wählen. Alibabas qwen-deep-research-Endpunkt ist die bemerkenswerte Ausnahme. Was an ihre Stelle trat, ist ein Aufwandsregler. Das ist eine gute Nachricht für alle, die bauen, denn Aufwand ist ein Parameter, den Sie pro Anfrage justieren können, und deshalb lautete der nützlichste Benchmark-Befund von 2026, dass ein höheres Suchbudget die Genauigkeit um 53 Punkte verschob, während das Modell dasselbe blieb.

Doch die Toolwahl zählt weniger als das, was Sie mit der Ausgabe machen. Der größte Fehler, den ich bei Menschen sehe, ist, einen Deep-Research-Bericht als fertige Arbeit zu behandeln. Das ist er nicht. Er ist Rohmaterial. Das eigentliche Wissen entsteht, wenn Sie die wichtigen Behauptungen markieren, sie mit anderem Gelesenen verknüpfen und später darauf zurückkommen, wenn das Thema wieder auftaucht.

Genau für diesen Workflow ist Glasp gemacht. Markieren Sie jeden Bericht, jeden Artikel, jedes YouTube-Transkript. Bauen Sie eine durchsuchbare Bibliothek dessen auf, was Sie tatsächlich für wichtig hielten. Chatten Sie später mit Ihren Markierungen, wenn Sie sich an etwas Bestimmtes erinnern müssen. Teilen Sie Ihre Arbeit mit anderen, die dasselbe recherchieren.

Die Deep-Research-Agenten werden weiter besser, und die APIs werden sich weiter vermehren. Diejenigen, die nicht um eine Funktion zum Markieren ergänzt werden, werden weiter Berichte produzieren, die einmal gelesen und dann vergessen werden. Bauen Sie Ihren Recherche-Workflow nicht um ein einzelnes Tool herum. Bauen Sie ihn um einen Stack, und sorgen Sie dafür, dass das letzte Glied in diesem Stack dasjenige ist, in dem Ihr eigenes Verständnis festgehalten wird.

Fangen Sie damit an, diese Woche eine echte Rechercheanfrage durch zwei der vier Tools zu schicken. Markieren Sie beide Berichte. Vergleichen Sie, was Sie gelernt haben. Das ist der Workflow. Alles andere ist eine Featureliste.