ディープリサーチ比較：OpenAI・Perplexity・Gemini

ディープリサーチという転換点

2026年11月時点で、ほとんどの人が最初に試すべきなのは Gemini Deep Research です。18歳以上なら Gemini の無料プランで使え、月4.99ドルの AI Plus では利用上限が2倍になります。また、API 経由で提供される最上位のリサーチエージェント、Max ティアは、各ベンダーが公表したリサーチエージェントのベンチマークで最高のスコアを記録しています。短い要約を最も速く得られるのは Perplexity ですが、無料プランでは月1回のリサーチクエリしか使えません。一方、曖昧で答えの定まらない問いにお金を払うなら、ChatGPT と、Research が Opus 5.5 上で動くようになった Claude です。開発者は9月27日に、すぐに使える選択肢を1つ失いました。Perplexity が sonar-deep-research のサポートを終了したためです。いま1回の呼び出しで使えるのは、Google の Deep Research エージェント（引き続きプレビュー）、Perplexity の Agent API、You.com の Research API です。

このガイドの残りでは、こうした結論が価格、ベンチマーク、API、そして実際の仕事においてどこまで通用するのかを見ていきます。

このカテゴリー自体、まだ2年も経っていません。2025年2月2日、OpenAI は Deep Research を発表しました。1文のプロンプトを受け取り、30分の調査を計画し、自力で数十のソースを巡り、引用つきのレポートを返す。多くの人にとって、それは初めて触れるタイプのエージェントでした。

業界の反応は多くを物語っていました。6週間以内に Perplexity は自社版の Deep Research を公開し（2月14日）、その数週間後には Sonar Deep Research API を開発者に開放しました。2024年12月11日に Gemini Deep Research を立ち上げていた Google は展開を加速させ、その基盤を更新し続けました。Anthropic は2025年4月15日に Claude の Research 機能を公開し、5月7日には API を通じてウェブ検索を開発者に開放しました。

4つのラボ、1つのプロダクトカテゴリー、2四半期。これは偶然ではありません。2024年は、コンテキストウィンドウが100万トークンに達し、ツール利用が安定し、エージェントのループが途中で黙って失敗しなくなった年でした。ディープリサーチは、その3つすべてに「お金を払う価値がある」と感じさせた最初の一般向けアプリだったのです。これはエージェンティックウェブ：MCP プロトコル戦争の内側で扱っている、エージェントプロトコルへの大きな潮流と密接に結びついています。

文章を書く人、学ぶ人、市場を分析する人、製品を評価する人であれば、これを使っていない時点ですでに不利です。問題はどれを、いつ使うかです。

---

「ディープリサーチ」が実際にやっていること

ディープリサーチはチャット検索と混同されがちです。質問を打ち込めばリンクつきの答えが返ってくる、という見た目は同じだからです。しかし中身の仕組みは違います。

チャット検索（ブラウジングを有効にした通常の ChatGPT など）は、ウェブ検索を1回か2回実行し、上位の結果を数秒で統合します。ディープリサーチエージェントがやることは、ジュニアアナリストが午後いっぱいかけてやる仕事に近いものです。質問をサブ質問に分解し、数十から数百回の検索を走らせ、ページを全文読み、引用をたどり、学びながら計画を更新し、脚注つきの構造化されたレポートを作り上げます。

チャット検索に「フィリップス曲線への主な批判は何か」と尋ねれば、3段落の要約が返ってきます。同じ質問をディープリサーチエージェントに投げれば、フリードマンの自然失業率仮説、1970年代のスタグフレーションによる破綻、合理的期待による修正、2008年以降のフラット化をめぐる論争、そして2023年から2025年の最近の論文までを網羅した15ページのレポートが返ってきます。しかもそれぞれにクリックできる出典がついています。

代償は時間です。実行には数分から1時間かかります。Google によれば Gemini のレポートは通常5分から10分で、API の1回の実行上限は60分です。Moonshot は Kimi の所要時間を10分から25分としています。ですが、それこそが要点なのです。ひとつ投げておいて別の仕事をし、戻ってきたときには、手作業なら半日かかったはずのレポートができあがっています。AI エージェントを軸にリサーチの習慣を組み直す方法については、2026年版：AI を活用したリサーチワークフローの作り方をご覧ください。

---

直接対決：コンシューマー向け4ツール比較

以下が一覧表です。基盤モデルと価格は2026年11月時点のベンダー公式ページから読み取りました。変わり続けているのは「基盤モデル」の列で、今回は2社が具体的なモデルを示しています。Anthropic は Research の基盤モデルを文書化し、Google は AI Pro と Ultra の加入者に、レポートの生成を Pro モデルへ切り替える機能を提供しています。

ベンダーの説明が最も曖昧なのは実行時間です。Google のヘルプページでは、Gemini のレポートは通常5分から10分ほど、複雑なものはそれ以上かかるとしています。Perplexity のヘルプセンターは、1つの文に2つの目安を詰め込んでいます。ほとんどのリサーチタスクは3分未満で完了し、「つまり4分から5分程度かかることがあります」という説明です。広く引用される OpenAI の「5分から30分」は2025年2月のローンチページが出どころで、Anthropic の Research ヘルプページには数字がまったくありません。

それぞれを1段落でまとめると、次のようになります。

OpenAI Deep Research は、曖昧で答えの定まらない問いに対しては依然としてヘビー級です。レポートは長く、きれいな答えが存在しない問いほど推論の深さが目に見えて効いてきます。2026年に3つの変化がありました。価格ページは実行回数の記載をやめ、Limited、Expanded、Maximum という表記に変わりました。そのため、いまだに出回っている「無料で5回、Plus で25回、Pro で250回」という数字は、2025年4月のブログ更新が出どころであって、OpenAI が現在プラン別に公開しているものではありません。Pro は3つのティアに分かれました。OpenAI は9月10日に月200ドルのティアの新規登録を停止し、9月29日に再開すると同時に500ドルのティアを追加したため、Pro はいま、月100ドル、200ドル、500ドルで提供されています。そしてディープリサーチは、プランと権限に応じて Google Drive や SharePoint などの接続済みソースを検索できるようになりました。

Perplexity Deep Research は、足元のエンジンが入れ替わり続けている製品です。ローンチ時は Perplexity 自社の Sonar モデルで動いていました。2026年2月に Advanced Deep Research モードが Claude Opus に移り、2026年6月11日には Deep Research が Perplexity Computer の内部に移りました。Computer はサブタスクを20を超えるフロンティアモデルに振り分けます。Perplexity の製品ページでは、従来の Deep Research と Computer 内の Deep Research を比べ、BrowseComp が40.7%から83.8%に、Humanity's Last Exam が36.4%から50.5%に上がったと報告しています。10月5日以降、対象となる有料アカウントでは Computer の Standard の努力度を Claude Opus 5.5 が担っています。また、Deep Research は Computer 組み込みのスキルへと移行中で、ウェブ版の Pro と Max から順次展開されています。引き続き Pro に含まれ、どのプランにも無料の利用枠があります。Perplexity Deep Research を「Sonar」製品と呼んでいる記事を見かけたら、それは2026年2月より前に書かれたものです。Sonar はいまや廃止された API ラインの名称であって、コンシューマー向けエージェントの名前ではありません。

Gemini Deep Research は大手4社の中で公表されている成績が最も良く、いまや最も気軽に試せる選択肢でもあります。Google は2026年4月にエージェントを Gemini 3.1 Pro 上で作り直し、標準版と Max 版を API 経由で公開しました。最高のベンチマークスコアは、この API 版のものです。Gemini アプリでは、18歳以上なら誰でも無料プランで Thinking モデルを使って Deep Research を実行でき、AI Pro と Ultra の加入者はレポートの生成を Pro モデルに切り替えられます。ウェブと並行して Gmail、Drive、Docs からも情報を引いてくる点は変わらず、エージェントが走り出す前に編集できるリサーチ計画も表示されます。利用上限は1日単位で、同時に実行できるレポート数にも上限がありますが、ヘルプページには具体的な数字が載っていません。

Claude Research は辛抱強いタイプで、矛盾するソースを早々に一つの結論にまとめず、並べて検討するのが得意です。すべての有料 Claude プラン（Pro、Max、月200ドルで現在は Ultra と呼ばれるティア、Team、Enterprise）で使えます。また Anthropic は基盤モデルを明かすようになりました。チャットでどのモデルを選んでいても Claude Opus 5.5 が動き、必要に応じて Opus 4.8 にフォールバックします。このフォールバックは、大きなソース群を扱うときに重要です。有料プランでは Opus 5.5 のコンテキストウィンドウが100万トークンなのに対し、Opus 4.8 は50万トークンだからです。ほかのモデルのラインナップも更新が続き、直近では11月9日に Claude Fable 5.2 が登場しましたが、Research はこの2モデルを使い続けています。

---

ChatGPT ディープリサーチの代替：他に誰が出しているのか

「ChatGPT ディープリサーチの代替」は、このテーマにたどり着く経路として最も多いもののひとつですが、上の4社比較ではその問いに答えられていません。ここでは、2026年11月時点で実際にリサーチエージェントを出しているのは誰か、そして出しているように見えるだけなのは誰かを整理します。

xAI Grok は、この中で最も実態をつかみにくい存在です。Musk の AI は OpenAI や Anthropic と比べてどうなのか、と尋ねる人が指しているのもこれです。いまも検索されている「DeepSearch」や「DeeperSearch」という名前は、xAI の開発者ドキュメントには登場しません。登場するのはマルチエージェントモデル grok-4.20-multi-agent で、まだベータ表記のままです。reasoning.effort が low または medium なら4エージェント、high または xhigh なら16エージェントが選択されます。xAI の最新の汎用モデル Grok 4.7 は2026年9月21日に登場しましたが、マルチエージェントのエンドポイントがこのモデルで動くとはドキュメントに書かれていません。新規加入者はいま、月8ドルから200ドルの The X Subscription を通じて Grok を購入します。これらのプランはリサーチの利用枠ではなく、利用量の倍率に基づく価格設定です。ChatGPT や Claude と比べた実用上の違いは、ドキュメントにあります。OpenAI は全プランのリサーチのティアを公開し、Anthropic は Research の基盤モデルを明示していますが、xAI では使いながら確かめるしかありません。

Moonshot の Kimi は最もよく文書化された挑戦者であり、同時にアジア圏外では大半の人が一度も使ったことのない製品でもあります。Deep Research モードは自社開発の Kimi-Researcher モデルで動き、Moonshot はアメリカのラボが出さないタスク単位のテレメトリを公開しています。1タスクあたり平均23回の推論ステップを実行し、74件の検索キーワードを計画し、206件の URL を発見し、そのうちレポートに残るのは上位3.2%だけ、という具合です。実行には10分から25分かかります。Moonshot のヘルプセンターに掲載されているのは中国向けの価格で、有料プランは月¥49の Go からです。10月に登場した新しい汎用モデルの K3.1 Pro シリーズも、このリサーチ専用モデルを置き換えてはいません。Moonshot は呼び出せる検索と取得のエンドポイントを提供していますが、Deep Research エージェント自体を公開する記載はドキュメントにありません。つまり、このリサーチ製品はコンシューマー専用です。

Manus は、この中で技術面の情報が最も乏しい存在です。2026年9月1日に「独立した事業運営を正式に再開した」と発表しました。その4週間後の9月28日には、ハーネスとツールを改めた新バージョンのエージェント、Manus 2.0 を公開しました。Wide Research モードは20のサブタスクを並行して走らせますが、手動で起動することはできず、有料ユーザーのみが利用できます。

You.com はいま、自らを API 企業として打ち出しています。価格ページに載っているのも、コンシューマー向けプランではなく API のティアです。中核にあるのは、lite から frontier までの5段階の努力度を持つ、出来の良い Research API です。価格は1,000リクエストあたり12ドルから1,200ドルで、各ティアのレイテンシも公開しています。lite は10秒未満、frontier は中央値300秒です。ひとつのエンドポイントで100倍の開きがあるというのは、このカテゴリー全体に共通する傾向を最も分かりやすく示しています。その点は、後の API のセクションで取り上げます。

Mistral はリサーチエージェントを移動させ、そのアプリ自体も改名しました。Le Chat は2026年5月に Vibe となり、9月22日には Vibe の Chat と Work の両モードを1つの体験に統合する変更を段階的に展開し始めました。そこでは Deep Research をスキルとして利用できます。Mistral Pro は月14.99ドルです。データ所在地の要件を抱えるヨーロッパのチームにとって、まず検討すべき選択肢ですが、唯一ではありません。ドイツのワークスペースでディープリサーチモードも提供する Langdock は、アプリと大半のモデルを EU 内でホストしています。実際の設定でどのモデルに処理が振り分けられるかを確認してください。

DeepSeek はディープリサーチ製品を提供していないという点で、押さえておく価値のある例です。「ベストなディープリサーチツール」系の記事に必ず入っているにもかかわらず、DeepSeek はディープリサーチ製品を出していません。アプリにはウェブ検索と think モードがあり、新しい Responses API は deepseek-v4-pro で関数呼び出しとサーバー側のウェブ検索に対応したため、自分でリサーチのループを構築できます。ただし、そのループ自体を製品として提供しているわけではありません。

オープンソースの選択肢と、ひとつの警告

自前でホストしたいなら、2026年の正直な答えはこうです。メンテナンスの継続性とベンチマーク性能は、いまや別々のリポジトリに分かれてしまっています。

活発にメンテナンスされていて、最初に試す価値があるもの。GPT Researcher（Apache-2.0、約30,600スター、2026年11月9日に v3.8.0 をリリース）は、設定ファイル内の廃止されたモデル名を差し替えることなく、今日クローンしてそのまま動かせる選択肢です。ByteDance の DeerFlow は約85,000スターで群を抜いて大きく、試すコストも最も安く済みます。DuckDuckGo とキー不要のリーダーを使い、検索 API キーをひとつも用意せずに動くからです。ただし2.0 での書き直しにより、ディープリサーチを数あるスキルのひとつとする汎用エージェントハーネスへと位置づけが変わりました。Alibaba の Tongyi DeepResearch は Apache-2.0 の信頼できるオープンウェイトの選択肢ですが、リポジトリは2026年2月以降沈黙しています。Alibaba がホストするリサーチ製品は、これとは別のものです。Alibaba Cloud には、自分で何もホストせずに呼び出せる qwen-deep-research API のドキュメントがあります。

ここからが警告です。2025年のおすすめリストで常に上位だった2つのプロジェクトが、開発が止まっているのに、そうは見えません。LangChain の open_deep_research は2026年8月21日にアーカイブされました。 GitHub にはアーカイブのバナーが出ますが、README 自体には何の告知もないため、チュートリアル経由でたどり着いた人にはこのプロジェクトが生きているように読めます。スタンフォードの STORM は2025年9月30日以降、デフォルトブランチにコミットがありません。デフォルトのサンプルは、Microsoft が2025年8月11日に廃止した Bing Search API をいまも呼び出すため、動かすには別のリトリーバーに切り替える必要があります。STORM の論文はいまも読む価値があります。ソフトウェアを出発点にすべきではありません。

よく知られたプロジェクトを見渡すと、競争力のあるベンチマークスコアを出したオープンウェイトのエージェントは沈黙し、いまもコードを出し続けているものはベンチマークをほとんど公開しない、というパターンが見えます。新たに加わったプロジェクトも、別の側面からこの傾向に当てはまります。Meituan の LongCat-DeepResearch 論文（2026年9月）は DeepResearch Bench II で51.35、ResearchRubrics で79.83を報告していますが、公開されたのは、自分でモデルと検索サービスを用意する必要があるハーネスです。メンテナンスの継続性で選び、性能は自分で測りましょう。

調べたい範囲がオープンなウェブではなく、すでに手元にある文書に限られるなら、それは勝者の顔ぶれが異なる別のツールカテゴリーです。その話は2026年の NotebookLMで扱っています。

---

ディープリサーチ API：実際に呼び出せるもの

比較記事がいつも飛ばしていて、開発者がいつも検索しているのがこの問いです。どのディープリサーチエージェントを自分のコードから呼べるのか、いくらかかるのか、引用の品質はどうなのか。その大半が2026年を通じて変わり、最大級の変更のひとつである Perplexity の Sonar リサーチモデルの終了は、9月27日に実施されました。

注目すべき点が4つあります。

OpenAI、Google、Anthropic の中で、ターンキーのリサーチエージェントを販売しているのは Google だけで、それもまだプレビューです。 このカテゴリーの歴史の大半において、Gemini Deep Research はプログラムから呼べないコンシューマー向け機能でした。いまは大手4社の中で最も分かりやすい選択肢です。Interactions API 上のディープリサーチエージェントを呼び出し、background=true は任意ではなく必須です。Google はタスクあたりの推定価格帯と実行時間の目安の両方を公開しており、ほとんどのタスクは20分以内に完了し、60分を超えることはありません。どちらのエージェント ID にも、4月のプレビューというラベルが残っています。Gemini 4 Argon は10月13日に開発者向けに公開されましたが、リサーチエージェントの ID は4月から変わっていないため、更新されたと思い込まないでください。企業向けのアクセスは Gemini Enterprise Agent Platform 経由です。この製品名は2026年に Vertex AI から変更され、そのガイドでは実行時間の上限を60分ではなく120分としています。API 自体はいまも旧来の aiplatform.googleapis.com ホストで応答するため、Vertex 時代のコード例だからといって間違いとは限りません。現行のガイドと照らし合わせてください。

Perplexity の旧リサーチ API は、使っているコードがまだ動いていても終了しています。 sonar-deep-research は2年間、「そのまま呼べるディープリサーチ API はどれか」という問いへの答えでしたが、同モデルと、ほかの Sonar Chat Completions モデルのサポートは2026年9月27日に終了しました。ただし、終了の仕方は一様ではありません。同期およびストリーミングの Sonar リクエストは、Perplexity がモデルごとに Agent API リクエストへ変換しているため、まだ動作します。ディープリサーチの通常の実行方法だった非同期の Sonar リクエストは変換されず、サポートも終了したため、Agent API のバックグラウンドモードに移行する必要があります。そこでは POST /v1/agent を使い、6段階の effort を fast から最新の ultra まで選べます。Perplexity の変更履歴では、この最新レベルの追加は11月5日で、網羅性を最も重視する幅広いリサーチ向けのレベルとされています。旧ディープリサーチモデルは high に対応します。ライフサイクルの形も変わりました。従来の非同期エンドポイントは IN_PROGRESS のような大文字のステータスを使っていましたが、Agent API は4つの終了状態のいずれかになる前に queued と in_progress を返します。さらに、トークン上限に達した実行は in_progress のまま paused オブジェクトが付くため、completed だけを待つポーリングループは永遠に待ち続ける可能性があります。

OpenAI はディープリサーチをモデルラインへ、そしてマネージドエージェントへと移しました。 専用の o3-deep-research と o4-mini-deep-research は2026年4月に非推奨となり、2026年7月23日に停止されました。代替の経路は、Responses API 上の現行フラッグシップモデルに web_search ツールを組み合わせ、バックグラウンドモードで動かすことです。2026年9月10日以降は、マネージドな Agents API もパブリックベータで提供されています。セッションのオーケストレーション、コンテキストの圧縮、リカバリーを OpenAI 側が担ってくれるものです。10月23日にはスケジュールに基づく自動実行が加わり、定期的なリサーチジョブのために自前のスケジューラーを用意する必要がなくなりました。料金はモデルのトークン料金に、通常のツール料金とホスト型コンテナの料金を加えたものです。OpenAI はオーケストレーション自体の追加料金を記載していません。古いチュートリアルがいまも o3-deep-research の呼び出しを勧めているなら、信じるべきは OpenAI の非推奨一覧のページです。どちらのリサーチモデルも、そこでは停止済みとされています。

Anthropic はもう、すべてを自作させるわけではありません。 このガイドが以前掲載していた古い枠組みは、「Claude にリサーチ API はなく、ループは自分で組み立てる」というものでした。それはもう最新ではありません。Claude Managed Agents は2026年4月からパブリックベータです。長時間のセッション、Server-Sent Events、実行中の方向づけと中断、cron によるスケジュール実行、そして組み込みのウェブ検索、ウェブ取得、MCP を備え、課金はトークン費用に加えてセッション1時間あたり0.08ドルです。Anthropic 自身の計算例では、Opus での1時間のセッションが1ドルを大きく下回るとされています。またウェブ取得は、ウェブ検索と違って呼び出しごとの料金がかかりません。ただし、読み込んだページは入力トークンとして課金されます。「ディープリサーチ」という名前のモデルは依然として存在しませんが、ハーネスはあるのです。

「引用つきのリサーチレポートに最適な API は何か」という問いに絞るなら、有効なアプローチは3つあります。Google、Perplexity、You.com の Research API、Exa の Agent エンドポイントは、完成した引用つきレポートを最初から返してくれます。Exa と Tavily の検索エンドポイントは出典が紐づいた結果を返すので、それを自分のモデルに流し込む形になります。これは実運用のリサーチ機能でよく使われるパターンで、コストと引用の書式を自分で制御できるからです。そして、ウェブ検索ツールを持つモデルであれば、プロンプトで指示すれば進行しながら引用を付けられます。監査証跡が必要なチームは自作のルートを好む傾向にあります。すべての主張が、モデルの記憶ではなく自分が取得した URL までたどれるからです。生のコンテキストサイズよりもグラウンディングと検索の品質が重要である理由については、Context Rot：なぜ巨大なコンテキストウィンドウより RAG なのかをご覧ください。

依存先のベンダーを選ぶ人向けに、所有関係についての注記が2つあります。Tavily はいま、AI クラウドプロバイダーの Nebius の傘下にあるため、「独立した検索 API」という位置づけには注釈が必要です。また Exa は2026年4月1日に /research エンドポイントを廃止し、deep-reasoning タイプとして /search に統合しました。つまり、exa-research を呼べと書いてあるチュートリアルはすべて壊れています。そのタイプ自体も、いまは旧来のモードです。10月19日以降、Exa は lite、auto、deep の検索を推奨し、時間のかかるジョブは Exa Agent に振り分けています。

---

API でディープリサーチを自動化する方法

これらの API を呼ぶのは、チャット補完を呼ぶのとは違います。実行に数分から1時間かかることがあるため、ほぼすべてのプロバイダーで非同期処理への対応が必要になり、しかもそのやり方がそれぞれ違います。リサーチエージェントを製品やパイプラインに組み込むなら、この部分の対応に丸1日かかります。

ブロッキング呼び出しではなく、バックグラウンド実行を前提にしてください。 Google はそれを明確に要求しています。ディープリサーチモデルは background=true でしか動かず、インタラクションをポーリングするか、ストリームを再開する形になります。OpenAI は Responses API でバックグラウンドモードに対応し、ポーリング、再開可能なストリーミング、そして Standard Webhooks 仕様に準拠したウェブフックを提供しています。Perplexity の Agent API は、ポーリングで確認するバックグラウンド実行を文書化しています。You.com は逆で、frontier より下の全ティアは1回の同期リクエストで応答でき、バックグラウンドモードが必須なのは frontier だけです。xAI は例外です。スキーマには background が現れるものの「未使用」と記されており、実質的な非同期の経路はバッチ API になります。こちらは数分ではなく、ほとんどのリクエストがベストエフォートで24時間以内に完了するものです。

トークンではなくタスク単位で予算を組み、検索の費用を確認してください。 リサーチ API の料金は2つの部分からなります。目にすることのない推論トークンを含むトークン料金と、トークン単位ではなく呼び出し単位で課金される検索料金です。OpenAI はウェブ検索1,000コールあたり10ドルを課金し、検索コンテンツも別途トークンとして課金します。Anthropic は検索1,000件あたり10ドル、Perplexity の Agent API は標準検索1,000件あたり2.50ドルで、sonar-deep-research の1,000件あたり5ドルの半額です。xAI はウェブ検索1,000コールあたり5ドルです。Google は有料ティアのプロジェクトに対して、Gemini 3 以降のモデルで共有する月5,000回のグラウンディング検索を無料で提供し、それを超えると1,000件あたり14ドルを課金します。通常の Deep Research タスクで約80回、Max では最大約160回の検索を見込んでいるため、無料枠でまかなえるのは標準タスク約60回、または Max 約30回です。どこで量が膨らむかは、Google 自身の見積もりが示しています。通常の標準タスクは約250,000の入力トークンを読み、約60,000の出力トークンを生成します。つまり、最後に読むレポートは、料金を支払うトークンのごく一部にすぎません。

努力度のティアを前提にしてください。それがモデル ID を置き換えたからです。 これは、上で挙げた個々の変更の背後に隠れている構造的な転換です。OpenAI はリサーチ専用モデルを廃止し、フラッグシップと推論努力度の組み合わせに移りました。Perplexity は Sonar を廃止し、Agent API の6つのプリセットに移りました。Google は標準版と Max 版を提供しています。xAI は reasoning.effort を通じて4エージェントか16エージェントかを選ばせます。Exa、You.com、Tavily はいずれも、低価格の設定からリクエスト単価が最も高い設定まで、同様の段階的な料金体系を採用しています。これらの API を前提に設計するなら、ハードコードするモデル名ではなく、リクエストごとに回せるダイヤルを前提に設計してください。

明確化のステップは、ほとんどの場合、自分で作る必要があります。コンシューマー向けアプリは開始前に追加の質問をしてきますが、大半の API はしません。OpenAI の廃止済みリサーチモデル向けガイドはこれを明言し、完成したプロンプトを最初から渡すよう開発者に求めていました。標準的な対処法は、OpenAI 自身のクックブックが示していたとおり、小さく安価なモデルにリクエストの内容を見極めさせ、高価なエージェントが走り出す前にリサーチ用の指示へ書き換えさせることです。例外は Google です。collaborative_planning を設定すると、Deep Research エージェントが計画案を返し、リサーチを始める前に数ターンかけて編集や承認ができます。ただし、このオプション自体もまだプレビューです。

ファクトチェックに限って言えば、検証はプロンプトではなくパイプラインの一段階です。Anthropic の2026年7月のクックブックは、出力を単独で成立する主張へ分解し、各主張を独立した新しいコンテキストで検証し、その後に別の工程で懐疑的な視点から各判定を問い直させる、というパターンを示しています。その理由も率直に述べていて、「発見した内容をダブルチェックせよ」もまた単なる指示にすぎず、コンテキストが逼迫すると飛ばされてしまうと指摘しています。世間がずっと探し求めているリアルタイムのファクトチェッカーを作るなら、この分解こそがアーキテクチャであり、その下にある検索 API よりも、周囲の構造のほうが重要です。

---

ディープリサーチのベンチマーク：リーダーボードが示すもの

最もよく引用される数字は3つあります。Humanity's Last Exam、BrowseComp、そして SimpleQA です。これらは有用で、広く誤って引用されており、そしてほとんど誰も口にしない構造的な問題を2つ抱えています。

まず、1つ目から。出荷されているリサーチエージェント同士を、ツールありの条件で並べて順位づけする独立した HLE または BrowseComp のリーダーボードは見つかりませんでした。 ベンダーの数字は自己申告で、唯一まともな第三者のハーネスが測っているのは、購入できる製品ではなく、購入できないモデルと検索の組み合わせです。あるベンダーのエージェントやモデルが「ツールあり」で50%台、60%台、あるいはいまや70%台を記録しているのを見たとき、そのスコアは、ベンダー独自のハーネス、検索予算、採点者を使って得られたものです。だからといって数字が偽物になるわけではありません。比較できなくなるだけです。（後で紹介するレポート品質のベンチマークは、出荷済みのエージェントをテストしています。）

2つ目の問題はティアのラベルです。このガイドは以前、HLE 54.6%と BrowseComp 85.9%を「Gemini Deep Research」として掲載していました。どちらの数字も、Google の高努力度ティアである Deep Research Max のもので、標準ティアはそれぞれ50.4%と61.9%です。ひとつの名前で売られている2つの製品のあいだに、BrowseComp で24ポイントの差があるということです。比較記事はこれを絶えず混同しています。知っておく価値があるのは、Google がこれらを2026年4月の発表でチャートとして公開し、引用できるテキストの形では出さなかったことです。下流で数字が崩れる一因はそこにあります。

モデルと記した行のスコアは、購入できるリサーチ製品としてではなく、各開発元独自のハーネスで測定されたものです。Claude Research は実際に Opus 5.5 で動きますが、Anthropic が67.7%を測定したのは独自の構成であり、Research ボタン経由ではありません。

腰を据えて考える価値があるのは、最後の行です。これは OpenRouter 自身のベンチマークハーネスによるもので、ベンダーの主張を集めるのではなく本番のエンドポイントを実際に走らせ、精度と並べてコストとレイテンシも公開しています。84問のサンプルで1問あたり0.46ドル、83秒です。これは購入できる製品ではありません。モデルと検索プロバイダーとターン予算を第三者が組み合わせたものであり、その数値は出荷済みのどのエージェントの自己申告値をも上回っています。ただし、ハーネスは異なり、サンプルも小規模です。測定者について注意点をひとつ。OpenRouter はベンチマーク対象のモデルと検索エンジンの多くを、自ら再販しています。

このカテゴリー全体で最も有用な発見も、同じハーネスから出ています。 BrowseComp において、同一の実行シリーズの中で、ある構成が検索1ターン制限で35.8%、25ターン制限で89.0%を記録しました。同じモデル、同じベンチマークです。モデルを動かす仕組み、具体的には検索を何回許すかという設定が、結果を53ポイント動かしたのです。ですから、「どのモデルが一番賢いか」は問いの半分にすぎません。もう半分は、何回検索させるかです。その検索をどのエンジンで実行するかの影響は、それほど大きくありません。OpenRouter 自身の解説でも、検索プロバイダーよりモデルのほうが重要だとしています。モデルだけでなく、検索ターンにも予算を組んでください。

コストの曲線も、マーケティングが示唆するより平坦です。同じリーダーボードにおいて、BrowseComp のトップ構成は1問あたり0.99ドルでしたが、同じ検索プロバイダーと組み合わせた安価なモデルは0.076ドルで77.0%に達しました。精度は12ポイント低いだけで、費用はおよそ13分の1です。ただし、両行では採点した問題数が異なります。実務のほとんどでは、選ぶ価値のあるトレードオフです。

リサーチエージェントのために作られたベンチマーク

HLE と BrowseComp が測っているのは、エージェントが難しい事実を見つけられるかどうかです。レポートの出来が良いかどうかは測っていません。より新しい3つのベンチマークはそれを測っており、結果はずっと厳しいものになっています。

ResearchQA は、75分野にまたがる21,000件のクエリと160,000件のルーブリック項目を対象とした独立した学術的取り組みで、そのうち8分野については31名の博士号保持アノテーターが検証しています。その結果、テストした素の言語モデルと検索システムのうち、ルーブリックのカバー率70%に届いたものはひとつもありませんでした。それを上回ったのはディープリサーチ専用に作られたエージェントだけで、その最高でも75.3%止まりでした。さらに突き刺さるのは、そのトップのシステムでさえ、引用に関するルーブリック項目を完全に満たしたのは11%未満、限界と比較に関する項目はおよそ半分にとどまったことです。エージェントはソースを見つけてきます。しかし、そのソースが何を立証していないのかを述べることは、はるかに苦手なのです。

ResearchRubrics は2,800時間を超える専門家の労力の上に作られたベンチマークで、Gemini Deep Research と OpenAI Deep Research の両方を平均ルーブリック遵守率68%未満と評価しました。DeepResearch Bench II は、専門家による調査記事から抽出した9,430件の二値ルーブリックを持ち、2026年1月の時点で、最も強いモデルでさえその半分未満しか満たせないと報告しました。その後、運営側は新規提出分の採点者を GPT-5.5 に変更し、不備のあるタスクを除外しました。残る130タスクで上位が60点台前半を記録している現在のリーダーボードは、1月の数字と直接比較できません。

これらの数字をツール選びに使う前に、注意点がさらに2つあります。スコアはどのモデルが採点するかによって変わるため、採点者が混在する表が示しているのは、エージェントの違いだけではありません。そして、実際のウェブを閲覧するエージェントは、ベンチマーク自体の答えを取得できてしまいます。2026年のある研究は、これによる最大4%のスコアの水増しを計測しました。

SimpleQA はいまや見出しではなく脚注に値します。Perplexity の93.9%は本物ですが、2025年2月の数字であり、上で述べたとおり、その形ではもう存在しない Sonar ベースの製品を説明したものです。

独立した研究から得られた、最も長く通用している知見は、同時に最も古いものでもあります。Columbia Journalism Review の Tow Center は8つの AI 検索エンジンを1,600件のクエリでテストし、60%を超える割合で正しい情報を取得できなかったことを発見しました。エラー率はエンジンによって37%から94%の幅がありました。この研究は2025年3月のもので、Tow Center による同規模の再検証は見つかりませんでした。独立した評価がいかに手薄なままかを、それ自体が物語っています。

率直に言えば、こういうことです。ベンチマークは難易度の極端に高い領域ではツールを確実に順位づけしますが、そこから下ではひどく当てになりません。同じ実際のプロンプトを、無料または最も安いティアで2つのツールに通して比べてみてください。ベンチマークは示唆にすぎません。決め手はあなた自身のテストです。ベンチマークへの執着がなぜ判断を誤らせるのかについての長めの議論は、AI 思考の罠をご覧ください。

---

無料枠の現実

マーケティングページはどれも無料で使えることを強調します。2026年11月時点で「無料」が実際に何を意味するのかを見ていきましょう。今回はうれしい変化があります。いまや4社のうち3社で、お金を払わずにディープリサーチを実行できます。

OpenAI にはいまも無料枠がありますが、その大きさは依然として非公開です。 いまも出回っている「月5回無料、Plus で25回、Pro で250回」という数字は、2025年4月のブログ更新が出どころです。現在の価格ページは、Free と月8ドルの Go ティアが Limited、Plus が Expanded、Pro が Maximum と書いているだけです。ヘルプセンターは30日ごとにリセットされる製品内カウンターの存在を認めつつ、その初期値がいくつなのかは述べていません。現在公開されている数字は、ビジネス・教育向けのレートカードにあるものだけです。ディープリサーチのタスク1件が50クレジットで、Edu には直近24時間あたり5回のクエリが含まれます。個人向けに予測できる割り当てが必要なら、このベンダーが最も予測しにくい相手です。

Perplexity は Deep Research を無料プランに戻しました。 ヘルプセンターはいま、全プランに Deep Research の無料の利用枠があると説明しており、プラン比較では Free が月1回のリサーチクエリ、Pro と Max にはそれぞれ月間上限が設定されています。Computer 内では、各プロンプトがまず無料枠を使い、その後クレジットを消費します。このガイドの9月の更新では Deep Research は Pro と Max 限定だと説明しましたが、それはもう当てはまりません。

Gemini の無料枠は実際に使えるものとなり、安価なティアのお値打ち感も健在です。 Google のプランページは無料プランに Deep Research を掲載し、ヘルプページは18歳以上なら Thinking モデルで利用できるとしています。AI Pro と Ultra では Pro モデルによるレポートも加わります。リサーチの上限は1日単位で、月4.99ドルの AI Plus では無料プランの利用量が2倍になります。それでも他社の最低価格を大きく下回ります。

Claude はいまや、4社の中で唯一、無料の Research がないサービスです。 Research は無料プランでは使えず、すべての有料プランで使えます。20ドルの Pro、100ドルの Max、200ドルの Ultra、さらに Team と Enterprise です。

実際の利用を考えると、こうなります。いまは Gemini でディープリサーチを無料でしっかり試せますし、Perplexity と ChatGPT でも体験できます。ただし Perplexity Free の月1回のクエリは、日常的なワークフローというより、お試しです。ひとつだけ払うなら、リサーチの利用量を最も安く増やせるのは月4.99ドルの Gemini AI Plus です。曖昧な問いに対して最も深い出力がほしいなら、月20ドルの ChatGPT Plus なら、OpenAI Deep Research に加え、セットに含まれるほかの機能もすべて使えます。Claude Pro が最も理にかなうのは、すでに読み書きに Claude を使っていて、サブスクリプションをひとつにまとめたい場合です。

---

用途別のツールの選び方

API と料金の選び方は、上記の根拠と各ベンダーのドキュメントから判断できます。以下の文章の質に関する評価は、測定結果ではなく私の判断です。私ならいま、仕事をこう振り分けます。

学術文献レビュー。 Claude Research です。エージェントが20本以上の論文を同時に保持する必要があるとき、Research の基盤モデルである Opus 5.5 の100万トークンのコンテキストが効いてきます。また Claude は、表面的に似ている主張を区別するのが目に見えて得意です。実行時間は長くかかりますが、文献レビューに時間的な切迫はありません。

市場規模の推定と競合インテリジェンス。 OpenAI Deep Research です。曖昧な戦略的問いに対する推論の深さが、ここではっきりと表れます。「この業界を理解する手助けをしてほしい」というプロンプトで、私が最も信頼しているのはこれです。

最も難しい事実の検索。 Google の API 経由で使う Gemini Deep Research Max です。ベンチマーク上位の顔ぶれが何かを示しているとすれば、それは Google の高努力度ティアが、あまり知られておらず、複数の情報をたどって初めて分かる事実を見つけ出す点において出荷済み最強のエージェントだということです。Max ティアは意識して選んでください。標準ティアは実質的に別の製品であり、アプリの Pro モデルによるレポートが Max と同等なのか、Google は明かしていません。

会議前の手短なブリーフィング。 Perplexity です。レポートは短めで百科事典的なので、論文ではなく状況把握がほしいときにちょうど合います。

自分の文書を含むリサーチ。 Gemini Deep Research です。Workspace 連携は、いまも競争優位を支える強みです。素材の半分が Drive、Gmail、昔の議事録の中にあるなら、最も自然に使える選択肢です。ただし、ChatGPT のディープリサーチもいまでは、接続済みの Google Drive や SharePoint を検索できます。

開発者向けの統合と大量実行。 公開スコアが最も高いエージェントがほしければ Google の Deep Research API、Sonar の終了を受けて移行するなら Perplexity の Agent API、ティアごとの公表レイテンシがほしければ You.com の Research API です。引用の書式とコストを自分で制御したいなら、Exa または Tavily の検索の上に自分でループを組みましょう。

製品に組み込む安価で大量のリサーチ。 中位のモデルに、良い検索プロバイダーと潤沢なターン予算を組み合わせる構成です。上で見たベンチマークの証拠は、これで精度の大半をごくわずかな費用で得られると示していますし、実運用の機能が実際に出荷しているのもほとんどこの構成です。

矛盾する証拠の統合。 Claude です。ソースが食い違っているとき、どちらかに早々に肩入れせず、その不一致そのものを表に出してくれる度合いが最も高いのが Claude です。

意外に思われるかもしれないパターンがひとつあります。支配的な単独のツールは存在しません。重要度の高い仕事では、同じプロンプトを2つのエージェントに通してください。20ドルのプラン2つで月およそ40ドルですが、Gemini の無料プランを使えば、2つ目の意見をさらに安く得られます。そして2つのレポートが食い違う箇所こそ、確認すべきところです。AI を学習や仕事の習慣にもっと広くどう組み込むかを考えているなら、AI の学習モード比較が隣接する問いを扱っています。

---

欠けているピース：リサーチレポートを使える知識に変える

ここから先は、比較記事がほとんど触れない話です。エージェントが生み出すレポートは素材にすぎず、それをきちんと読み込むまでリサーチは終わっていません。

Claude Research の長い出力も、OpenAI Deep Research のレポートも、仕事の終わりではなく始まりです。一度読んで、結論を流し読みして、タブを閉じる。それでは、実際には学ばなかった何かを要約させるためにエージェントへお金を払っただけです。2025年の MIT メディアラボの研究（私たちの分析AI が学習に与える影響で追跡しています）は、ChatGPT を使う場合と使わない場合でエッセイを書く人の脳波を計測し、支援ありのグループで認知的な関与が著しく低いことを見出しました。これは読むことではなく書くことについての小規模なプレプリントですが、それが指し示す方向は、AI を使い込んでいる人なら誰でも思い当たるものです。

対処法は、研究者が何世紀も続けてきたことです。注釈をつけるのです。重要な主張にハイライトを引く。検証したいソースに印をつける。レポートをまたいで洞察をつなぐ。

ここに Glasp のウェブハイライターがワークフローの一部として収まります。リサーチは OpenAI、Perplexity、Gemini、Claude のどれで走らせてもかまいません。レポートを読みやすいページに貼り付けましょう。読みながら、ブラウザ上で直接ハイライトしましょう。引いたハイライトは Glasp のライブラリに同期され、その月に読んだ他のすべてと並んで、検索でき整理された形で残ります。

実際に機能する具体的なワークフローをいくつか紹介します。

ハイライトしてから、もう一度尋ねる。 レポートを読み、最も重要な10から15の主張にハイライトを引きます。そのハイライトを同じエージェントに貼り戻し、「これらの点をさらに掘り下げて」と指示します。一発勝負ではなく反復です。

トピックごとにレポートを重ねる。 同じテーマを2つのツール（たとえば OpenAI と Claude）で調べたとき、両方のレポートを Glasp でハイライトしておくと、どこで一致しどこで食い違うかが見えるようになります。不一致こそが最も面白い部分であることがよくあります。

テキストと並行して YouTube も使う。 最良のソースがポッドキャストや講演である場合、YouTube Summary がタイムスタンプ付きの文字起こしレベルの要約を提供します。テキストのディープリサーチレポートに、注釈をつけた3-4本の YouTube の講演を組み合わせると、どちらか単独よりも深くトピックを押さえられます。

ハイライトと対話する。 Glasp の AI チャットは、あなたの注釈をソースとして質問に答えてくれます。「エージェントは X について何と言っていたか」と「私は X について実際どう結論づけたか」の違いです。

学んだことを公開する。 Glasp のコミュニティには、似たテーマを調べている人がたくさんいます。ハイライトしたレポートを共有することは、リサーチをただ積み増すのではなく完了させるための強制力になります。手順ごとの解説は記事に正しく注釈をつける方法をご覧ください。

一度読んだだけのレポートは領収書であって、知識ではありません。エージェントの出力を、自分が本当に知っていることへと変換するのが、ハイライトして注釈をつけるという一手間です。

---

よくある質問

最も正確なディープリサーチツールはどれですか？

大手4社のリサーチエージェントの中では、Google の Gemini Deep Research Max が Humanity's Last Exam で54.6%と、公開スコアの首位です（Google、2026年4月）。この名前には注意してください。標準の Deep Research ティアは同じテストで50.4%であり、ほとんどの比較記事は Max の数字を無印の製品名のもとで引用しています。その後、モデルは開発元独自のテストでさらに高い数字を出しています。Claude Research の基盤モデルである Claude Opus 5.5 は67.7%、Moonshot の Kimi K3.1 Pro は70.0%、Claude Fable 5.2 は74.2%です。これらはすべてベンダーの自己申告です。第三者による最高値の77.4%は、誰も販売していないモデルと検索の組み合わせから出たもので、異なるハーネスと84問のサンプルで採点されています。実際に使ってみると、上位ツール間の精度差はリーダーボードが示唆するより小さいものです。

Gemini Deep Research は Perplexity より優れていますか？

ベンチマークだけでは、そうとは言えません。Google の最高値である Humanity's Last Exam の54.6%と BrowseComp の85.9%は、API 経由で販売する Deep Research Max のものです。Perplexity の公式ページは、現在の Deep Research が同じテストで50.5%と83.8%だとしており、Google の標準ティアの50.4%と61.9%と同等以上です。しかも、それぞれのベンダーが独自のハーネスで測定しています。実用上の違いのほうが明確です。Gemini は、成人が無料プランで Deep Research を利用できるうえ、Gmail と Drive の読み込みにも対応しています。一方、Perplexity は大半のリサーチタスクが3分未満で終わるとしており、Gemini の通常5分から10分より速いものの、Free プランでは月1回のリサーチクエリに限られます。無料での利用や Google Workspace のソースを重視するなら Gemini、素早く要点を把握したいなら Perplexity を選んでください。

ChatGPT のディープリサーチの代替として最適なのは何ですか？

ほとんどの人にとっては、成人なら無料プランで使え、月4.99ドルで利用上限が2倍になり、API の Max ティアでは最高の公開ベンチマーク結果を持つ Gemini Deep Research か、幅広く調べられ、結果を素早く得られる Perplexity です。大手4社の外がよければ、Moonshot の Kimi はよく文書化された Deep Research モードを持ち、Mistral は月14.99ドルの Vibe アプリ内で提供し、xAI の Grok はマルチエージェントモードを提供しています。自前でホストしたいなら、活発にメンテナンスされているオープンソースの選択肢は GPT Researcher と ByteDance の DeerFlow です。2026年8月にアーカイブされた LangChain の open_deep_research と、2025年9月以降コミットのないスタンフォードの STORM は避けましょう。

Grok のディープリサーチは ChatGPT や Claude と比べてどうですか？

ドキュメントの充実度では、Grok は両者に遅れを取っています。開発者向けに xAI が提供するリサーチの選択肢は、まだベータのマルチエージェントモデル grok-4.20-multi-agent です。努力度を high にすると、4ではなく16のエージェントが動きます。新規加入者は、リサーチの利用枠ではなく利用量に基づく月8ドルから200ドルの The X Subscription を通じて Grok を購入します。OpenAI は、Free の Limited から Pro の Maximum まで、すべての ChatGPT プランのディープリサーチを文書化しています。また Anthropic は、全有料プランの Claude Research が Opus 5.5 で動くことを文書化しています。この3つのリサーチ製品を直接比較する現行のベンチマークはないため、検討している2つに同じ実際の質問を投げ、それぞれが見つけたソースを比べてください。

最良のディープリサーチ API はどれですか？

ほとんどのチームにとっては、Interactions API 上の Google の Deep Research エージェントです。OpenAI、Google、Anthropic の中でリサーチ専用 API を提供しているのは Google だけで、タスクあたりおよそ1ドルから3ドル（Max なら3ドルから7ドル）という価格の見積もりを公開し、実際の所要時間の上限も文書化しています。ただし、どちらのエージェントもまだプレビューです。Sonar を使っていたなら、2026年9月27日にサポートが終了したため、Perplexity の Agent API が自然な移行先です。ティアごとに価格とレイテンシが公表された API がよければ、You.com の Research API を試してください。引用の書式とコストを自分で制御したいなら、完成したレポートを買うのではなく、Exa または Tavily の検索の上に自分でループを組んでください。

最も速いディープリサーチ API はどれですか？

速度を直接比較するテストを公開しているベンダーはありませんが、You.com の Research API は全ティアのレイテンシを公開しています。lite は10秒未満、standard は約10秒から30秒、deep は2分未満、exhaustive は5分未満、バックグラウンド実行専用の frontier は中央値300秒です。Google が文書化しているのは速さというより所要時間の枠で、ほとんどの Deep Research タスクは20分以内に完了し、上限は60分です。速さが必要なら、ベンダー選びよりも努力度の調整が鍵です。これらの API はティアのダイヤルを公開しており、単独の事実や短い要約のために設計された Perplexity の fast プリセットと You.com の lite が速い側に位置します。自分のモデルに流し込むための出典つきの生の結果を数秒で得たいなら、Exa と Tavily の検索が高速な経路です。

ディープリサーチの実行にはどのくらい時間がかかりますか？

ベンダーが公開している数字だけを使うと、Google のヘルプページは Gemini のレポートが通常5分から10分ほどかかるとし、API はほとんどのタスクを20分以内に完了し、上限は60分としています。Perplexity は、ほとんどのリサーチが3分未満で終わるものの、4分から5分程度かかることもあるとしています。Moonshot は Kimi が10分から25分かかるとしています。OpenAI のローンチページはいまも5分から30分と書いていますが、これは2025年2月の数字です。Anthropic の Research ヘルプページには数字がありません。OpenAI の数字は過去の参考値として扱ってください。製品はその後作り直されています。

ディープリサーチツールを API 経由で使えますか？

使えます。ただし選択肢は2026年に大きく変わりました。OpenAI、Google、Anthropic の中では、Interactions API 上の Google の Deep Research エージェントが唯一のターンキーの選択肢で、価格はタスクあたりおよそ1ドルから3ドル、Max ティアで3ドルから7ドルです。Perplexity の sonar-deep-research は、2026年9月27日にサポートを終了するまで開発者の定番で、その後継は Agent API の6つの努力度プリセットです。OpenAI は専用の o3-deep-research と o4-mini-deep-research を2026年7月23日に廃止したため、現在は Responses API 上のフラッグシップモデルにウェブ検索ツールを組み合わせるか、2026年9月からパブリックベータの Agents API を使うことになります。Anthropic にはリサーチと銘打った API はありませんが、ベータの Claude Managed Agents があり、課金はトークンに加えてセッション1時間あたり0.08ドルです。You.com の Research API と Exa の Agent も完成したレポートを返し、Exa と Tavily の検索が人気の自作型の選択肢です。

従量課金のディープリサーチ API はどれですか？

どれも従量課金ですが、単位が異なります。Google、OpenAI、Anthropic、Perplexity はモデルのトークン料金に検索ごとの料金を加えます。Google の見積もりでは、標準の Deep Research タスクが1ドルから3ドル、Max が3ドルから7ドルです。You.com は努力度ティアに応じたリクエスト単位の課金で、1,000件あたり12ドルから1,200ドルです。Tavily は1クレジット0.008ドルで販売し、Exa の Agent は固定努力度で1実行あたり0.012ドルから1.00ドル、Auto と Ultra ティアは従量課金です。請求額を予測したいなら、トークン単位よりリクエスト単位の料金のほうが見通しを立てやすくなります。

引用が最も優れているディープリサーチ API はどれですか？

Google、Perplexity、You.com の Research API、Exa の Agent は、引用つきのレポートを最初から返します。すべての主張を URL までたどれる必要がある実運用のシステムでは、チームはよく Exa または Tavily の検索の上に構築します。これらは出典が紐づいた結果を返すので、それを自分のモデルに流し込む形になり、書式を制御でき、監査証跡も示せます。ウェブ検索ツールを持つモデルであれば、プロンプトで指示すれば本文中に引用を入れられます。ただし、この点に関する独立した研究を念頭に置いてください。最も評価の高かったシステムでさえ、引用に関するルーブリック項目を完全に満たしたのは11%未満でした。引用が存在することと、引用が十分であることは同じではないのです。

無料のディープリサーチツールはありますか？

使えます。しかも9月より選択肢が増えています。Gemini の無料プランには Deep Research が含まれ、18歳以上なら Thinking モデルで利用できます。Perplexity はどのプランにも無料の利用枠を設けていますが、Free では月1回のリサーチクエリが上限です。ChatGPT Free にも「Limited」の割り当てが残っていますが、回数は非公開です。例外は Claude で、Research は有料プランでのみ利用できます。自分で動かしたいなら、上で扱ったオープンソースのエージェントは無料でダウンロードできます。ただし、呼び出すモデルと検索サービスの料金はかかります（DeerFlow は少なくとも DuckDuckGo 経由なら API キーなしで検索できます）。

ディープリサーチのレポートでハルシネーションを防ぐにはどうすればよいですか？

実用的な手立てが3つあります。第一に、引用されているソースの上位3つから5つは少なくともクリックし、その主張が本当にそのソースに書かれているかを確認してください。存在しないリンクよりも、実在するソースに書かれていない内容をそのソースの引用として示されるほうが、はるかに見逃しやすいからです。第二に、同じプロンプトを2つ目のツールにも通してください。食い違いが出たところは、たいていどちらかが間違えた場所です。第三に、これをソフトウェアに組み込むなら、検証をプロンプトの一行ではなく、パイプラインの独立した段階にしてください。主張を一つずつ抽出し、独立した新しいコンテキストで検証し、その後に懐疑的な視点から各判定を問い直す工程を設けます。これが、Anthropic の2026年7月のクックブックが示しているパターンです。

ディープリサーチツールは私のプライベートな文書を読めますか？

使えます。権限を与える必要はありますが、サービス間の差は縮まりました。Gemini Deep Research は連携機能が最も充実しており、Gmail、Drive、Docs にネイティブにアクセスします。ChatGPT のディープリサーチは、プランに応じて Google Drive や SharePoint などの接続済みソースを検索できます。Claude Research はウェブ版とデスクトップアプリで接続済みツールを使えますが、モバイルではウェブ検索だけです。Perplexity の Computer はウェブに加えて、自分のファイルやアプリも取り込めます。素材の大半が Google Workspace にあるなら、引き続き Gemini を選ぶのが自然です。

ディープリサーチのレポートを保存して再利用する最良の方法は何ですか？

レポートを PDF か Markdown で書き出し、読みやすいビューで開き、長い記事と同じようにハイライトしてください。Glasp はまさにこのワークフローのために作られています。ハイライトは、検索でき、他のハイライトとリンクでき、後から読み返せるライブラリに同期されます。ハイライトの一手間がなければ、ディープリサーチのレポートはたいてい一度読まれて忘れられます。ハイライトの横に自分の言葉で短いメモを書くのも役立ちます。Slamecka と Graf が1978年に行った生成効果の実験では、単に読んだ単語より、自分で生成した単語のほうがよく記憶に残りました。

---

結論：リサーチ「ツール」ではなくリサーチ「スタック」を

OpenAI のローンチから21か月、このカテゴリーは一度輪郭がはっきりし、そして再編されました。ディープリサーチエージェントは勝者総取りの市場ではありません。何を調べているのか、どれだけ時間があるのか、素材がどこにあるのか、ボタンを押しているのか API を呼んでいるのか。さまざまなツールが併存し、それらの条件によって最適な選択肢が変わる市場です。

いま、ほとんどのナレッジワーカーのために1つ選べと言われたら、引き続き Gemini です。Deep Research を含む無料プランがあり、有料のアップグレードは4.99ドルと最安で、公開ベンチマークの結果が最も良く（API の Max ティアのものです）、OpenAI、Google、Anthropic の中で唯一、リサーチ専用 API を提供しています。より重い仕事や、より曖昧な仕事には、OpenAI Deep Research か Claude Research を組み合わせてください。Sonar の非同期呼び出しをまだ送っている開発者は、いま Perplexity の Agent API に移行すべきです。Perplexity は9月27日に、そのサポートを終了しました。

より深いところで起きている変化は構造的なものです。専用のディープリサーチモデルは、大手ラボでは退場しつつあります。OpenAI はリサーチモデルを廃止し、Perplexity は Sonar を廃止し、Google はモデルではなくエージェントを出荷し、Anthropic はマネージドなハーネスを出荷し、xAI はエージェント数を選ばせます。目立った例外として残っているのが、Alibaba の qwen-deep-research エンドポイントです。それらを置き換えたのが努力度のダイヤルです。何かを構築する人にとっては良い知らせです。努力度はリクエストごとに調整できるパラメーターだからです。そして、2026年で最も有用だったベンチマークの発見が「モデルはそのままに検索予算を上げるだけで精度が53ポイント動いた」であった理由も、ここにあります。

とはいえ、ツールの選択は、その出力をどう扱うかに比べれば重要度が下がります。私が見てきた最大の間違いは、ディープリサーチのレポートを完成した仕事として扱うことです。そうではありません。あれは素材です。本当の知識が築かれるのは、重要な主張にハイライトを引き、それを他に読んだものと結びつけ、そのテーマがまた出てきたときに戻ってくるときです。

Glasp はまさにそのワークフローのために設計されています。どんなレポートも、どんな記事も、どんな YouTube の文字起こしもハイライトできます。自分が本当に重要だと思ったものを集めた、検索できるライブラリを作りましょう。具体的な何かを思い出す必要が出てきたら、後からハイライトと対話できます。同じテーマを調べている人たちと成果を共有しましょう。

ディープリサーチエージェントはこれからも良くなり続け、API も増え続けるでしょう。ハイライト機能と組み合わせないエージェントは、一度読まれて忘れられるレポートを生み続けます。リサーチワークフローを単一のツールを中心に組み立てるのはやめましょう。スタックを中心に組み立て、そのスタックの最後の段階で、自分自身の理解を記録するようにしてください。

まずは今週、実際のリサーチの問いをひとつ、4つのツールのうち2つに通してみてください。両方のレポートにハイライトを引きます。学んだことを比べます。それがワークフローです。それ以外はすべて、機能一覧にすぎません。