Consensus GPT‑5 અને Responses API નો ઉપયોગ કરીને અઠવાડિયાંનું સંશોધન મિનિટોમાં પૂર્ણ કરે છે

દર વર્ષે લાખો નવા વૈજ્ઞાનિક પેપર્સ પ્રકાશિત થાય છે—જેમાંથી કોઈ એક વ્યક્તિ બધાં વાંચી શકે એટલા કરતાં ઘણાં વધુ.

વૈજ્ઞાનિકો માટે પડકાર જ્ઞાન સુધી પહોંચવાનો નથી, પરંતુ તેને શોધવાનો, સમજવાનો અને જોડવાનો અત્યંત ભારે કામ છે. શોધો જાણીતી સીમાના કિનારે થાય છે, છતાં સંશોધકો પોતાનો મોટાભાગનો સમય એ કિનારા શોધવામાં જ પસાર કરે છે, તેને આગળ ધપાવવામાં નહીં.

Consensus⁠(નવી વિન્ડોમાં ખૂલે છે), જે 8 મિલિયનથી વધુ લોકો દ્વારા ઉપયોગમાં લેવાતો સંશોધન સહાયક છે, આ બદલવા માટે બનાવાયો હતો. Christian Salem અને Eric Olson દ્વારા સ્થાપિત, આ પ્લેટફોર્મ 220 મિલિયનથી વધુ પેપર્સમાં પિયર-રિવ્યુ થયેલ સાહિત્ય શોધે છે, વાંચે છે અને તેનું સંકલન કરે છે. તેની નવી ક્ષમતા, Scholar Agent, GPT‑5 અને Responses API પર બનેલી બહુ-એજન્ટ સિસ્ટમ છે. તે સંશોધકો ખરેખર કેવી રીતે કામ કરે છે તેનું પ્રતિબિંબ આપે છે, અને તેમને પ્રશ્નથી નિષ્કર્ષ સુધી અઠવાડિયાં નહીં પરંતુ મિનિટોમાં પહોંચવામાં મદદ કરે છે.

પરંતુ ધ્યેય માત્ર ઝડપી સંશોધન નથી—તે શોધ સુધીનો ઝડપી માર્ગ છે. “વિજ્ઞાન ત્યારે આગળ વધે છે જ્યારે તે વધુ સુલભ બને છે,” Salem કહે છે. “અમારું કામ દરેક જગ્યાના સંશોધકોને પુરાવા શોધવાની, તેના પર વિશ્વાસ કરવાની અને તેના આધારે પગલું ભરવાની ક્ષમતા આપવાનું છે.”

Consensus નું પ્રથમ સંસ્કરણ વિજ્ઞાન માટેના વર્ટિકલ સર્ચ એન્જિન જેવું કામ કરતું હતું: તે શૈક્ષણિક પેપર્સને ઇન્ડેક્સ કરતું, સંબંધિત પરિણામો લાવતું અને સિટેશન્સના આધાર પર સારાંશો બનાવતું. પરંતુ માત્ર શોધ પૂરતી નહોતી.

“સંશોધન માત્ર પેપર્સ શોધવાનું નથી,” Salem કહે છે. “તે પરિણામોને સમજવાનું, શોધોની તુલના કરવાનું અને વિચારોને જોડવાનું છે. વૈજ્ઞાનિકો જેટલો વધુ સમય યોગ્ય અભ્યાસ માટે ભૂતકાળના જ્ઞાનને શોધવામાં, વાંચવામાં અને સમજવામાં વિતાવે છે, તેટલો ઓછો સમય તેમની પાસે શોધ કરવા અને સાચું સંશોધન કરવા માટે રહે છે.”

તેથી ટીમે નવા વિચારને કેન્દ્રમાં રાખીને Consensus ને ફરી આર્કિટેક્ટ કરવાનું શરૂ કર્યું: “Scholar Agent” નામની બહુ-એજન્ટ સિસ્ટમ, જે માનવીય સંશોધકની જેમ કામ કરે છે.

GPT‑5 અને Responses API પર બનેલી આ સિસ્ટમ હવે એજન્ટ્સનો સંકલિત વર્કફ્લો ચલાવે છે:

• Planning Agent વપરાશકર્તાના પ્રશ્નને ભાગોમાં વહેંચે છે અને આગળ કઈ ક્રિયાઓ કરવી તે નક્કી કરે છે
• Search Agent Consensus ના પેપર ઇન્ડેક્સ, વપરાશકર્તાની ખાનગી લાઇબ્રેરી અને citation graph માં શોધ કરે છે
• Reading Agent પેપર્સને અલગથી અથવા બેચમાં સમજે છે
• Analysis Agent પરિણામોનું સંકલન કરે છે, બંધારણ અને વિઝ્યુઅલ્સ નક્કી કરે છે અને અંતિમ આઉટપુટ તૈયાર કરે છે

દરેક એજન્ટનો કાર્યક્ષેત્ર સીમિત હોય છે, જે રિઝનિંગને ચોક્કસ રાખે છે અને હેલ્યુસિનેશન્સ ઘટાડે છે. આ આર્કિટેક્ચર Consensus ને ક્યારે જવાબ ન આપવો તે નક્કી કરવાની પણ મંજૂરી આપે છે; જો કોઈ સંબંધિત અભ્યાસ તેની ગુણવત્તાની મર્યાદા સુધી પહોંચતો ન હોય, તો સહાયક સીધું એટલું જ કહે છે.

“વર્કફ્લોને એજન્ટ્સમાં વહેંચવાથી અમે ભૂલો ઘટાડીએ છીએ અને સિસ્ટમને ઘણું વધુ શિસ્તબદ્ધ બનાવીએ છીએ,” Salem કહે છે. “કોઈ એક એજન્ટ પર ખૂબ વધારે જવાબદારી નથી, અને વિશ્વસનીયતા માટે આ જ મુખ્ય બાબત સાબિત થાય છે.”

આ અભિગમને ટીમ context engineering કહે છે: જનરેશન શરૂ થાય તેના પહેલા યોગ્ય પુરાવા એકત્ર કરવું. દરેક જવાબ સાથે “research context pack” આવે છે—પેપર્સ, મેટાડેટા અને મુખ્ય શોધોનો રચિત સમૂહ, જે મૂળ અભ્યાસો સુધી પાછો ટ્રેસ થઈ શકે છે.

“અમે નથી ઇચ્છતા કે સંશોધકો દરેક દાવાની ડબલ-ચેકમાં સમય બગાડે,” Salem કહે છે. “જો સિસ્ટમ કોઈ જવાબને વાસ્તવિક પુરાવામાં સ્થિર કરી શકતી નથી, તો તે કંઈ બનાવટી નહીં કહે.”

Consensus એ તેની બહુ-એજન્ટ રૂટિંગને સપોર્ટ કરવા Chat Completions માંથી Responses API તરફ સ્થળાંતર કર્યું. આ બદલાવથી વિશ્વસનીયતા અને ખર્ચ કાર્યક્ષમતા બંને સુધર્યાં, અને ટીમને સબ-એજન્ટ કોલ્સ પર વધુ સૂક્ષ્મ નિયંત્રણ મળ્યું. GPT‑5 લાંબા-સંદર્ભ રિઝનિંગ અને વિશ્વસનીય tool-calling સાથે, પસંદગી સ્પષ્ટ હતી.

પ્રારંભિક મૂલ્યાંકનોએ આ નિર્ણયની પુષ્ટિ કરી: GPT‑5 એ tool-calling ચોકસાઈ અને પ્લાનિંગ સ્થિરતામાં GPT‑4.1, Sonnet 4 અને Gemini 2.5 Pro ને પાછળ મૂક્યાં. તેથી Consensus ટીમ પ્રોમ્પ્ટની કસરતો પર ઓછું અને સંશોધન વર્કફ્લોને સીધા મેળ ખાતા એજન્ટ વર્તનો બનાવવા પર વધુ ધ્યાન આપી શકી.

શરૂઆતથી જ Consensus એ બજારને અપેક્ષા કરતાં અલગ રીતે અપનાવ્યું. સંસ્થાઓ મારફતે વેચાણ કરવાની જગ્યાએ, ટીમે સંશોધન ખરેખર કરતા લોકો પર ધ્યાન કેન્દ્રિત કર્યું: વિદ્યાર્થીઓ, ફેકલ્ટી અને ક્લિનિશિયન્સ, જેમને આજેજ જવાબોની જરૂર હતી. સંશોધક-કેન્દ્રિત આ સીધા અભિગમે ઉત્પાદનની ડિઝાઇન અને તેની ઝડપી વૃદ્ધિ બંનેને આકાર આપ્યો.

“બધાએ કહ્યું કે તમે અકાદમિક ક્ષેત્રમાં સીધા ગ્રાહક સુધી જઈ શકતા નથી, પણ AI એ આ બદલ્યું છે,” Salem કહે છે. “લોકો હવે મંજૂરી માટે રાહ નથી જોતા—તેઓ જે કામ કરે છે તેનો ઉપયોગ કરે છે.”

આ નિર્ણયે ઉત્પાદનનો સ્વર અને વૃદ્ધિ વક્ર બંને ઘડ્યા. Consensus પરંપરાગત શૈક્ષણિક સાધન કરતાં આધુનિક ગ્રાહક એપ જેવું વધુ લાગે છે: ઝડપી ઓનબોર્ડિંગ, સહજ ડિઝાઇન, સંવાદાત્મક ઇન્ટરફેસ. કેમ્પસ અને લેબ્સમાં મૌખિક ભલામણો દ્વારા તેનો સ્વીકાર ફેલાયો.

ગ્રેજ્યુએટ વિદ્યાર્થીઓ અને PhD ઉમેદવારો પ્રથમ શક્તિશાળી વપરાશકર્તાઓ બન્યા, ત્યારબાદ ફેકલ્ટી અને ખાનગી સંશોધકો આવ્યા. પછી ક્લિનિશિયન્સ આવ્યા, જેમણે પોતાના ક્ષેત્રમાં નવીનતમ પુરાવા મેળવવા Consensus નો ઉપયોગ શરૂ કર્યો.

“અમે ડૉક્ટરો માટે બનાવવાનો ઇરાદો રાખ્યો નહોતો,” Salem કહે છે. “પરંતુ તેમને પણ સંશોધકો જેવી જ વસ્તુ જોઈએ છે: વિશ્વસનીય પુરાવા સુધી ઝડપી પહોંચ.”

કંપનીએ તાજેતરમાં Mayo Clinic ની મેડિકલ લાઇબ્રેરી સાથે કરાર કર્યો છે અને હમણાં જ ‘Medical Mode’ લોન્ચ કર્યો છે, જે ક્લિનિકલ પુરાવા શોધતા પ્રેક્ટિશનર્સ માટે બનાવાયેલ નવી સુવિધા છે.

ગયા વર્ષે Consensus એ ઝડપી વિસ્તરણ કર્યું છે, વિશ્વભરમાં 8 મિલિયનથી વધુ સંશોધકો સુધી પહોંચી છે અને આવકમાં 8 ગણો વધારો કર્યો છે.

આ વૃદ્ધિએ ઉત્પાદનની પ્રાથમિકતાઓ બદલી નથી. દરેક સુવિધા હજુ પણ ચકાસી શકાય એવા, ઓછા-હેલ્યુસિનેશનવાળા જવાબોને કેન્દ્રમાં રાખે છે. ટીમે મૂલ્યાંકન પાઇપલાઇન્સમાં ભારે રોકાણ કર્યું છે, જે એજન્ટ્સમાં ચોકસાઈ, citation traceability અને શૈલીની સસંગતતા ચકાસે છે.

Consensus નું આર્કિટેક્ચર જાણપૂર્વક મોડ્યુલર છે, જેથી મોડલ્સ વિસ્તરે અને સુધરે તેમ નવા એજન્ટ્સ સરળતાથી ઉમેરાઈ શકે—એજન્ટ્સ જે પ્રયોગોનું પુનરાવર્તન કરે, આકૃતિઓ બનાવે અથવા આંકડાશાસ્ત્રીય વિશ્લેષણ ચલાવે.

“અમે ઝડપી બદલાતી દુનિયામાં સંશોધકોને ખરેખર જે સહાયક જોઈએ છે તે બનાવી રહ્યા છીએ,” Salem કહે છે. “મોડલ્સ સતત વધુ સારા બને છે, સિસ્ટમ તેમના સાથે વધે છે, અને વિજ્ઞાન વધુ ઝડપથી આગળ વધે છે.”