Consensus nggunakke GPT‑5 lan Responses API kanggo ngrampungake riset pirang-pirang minggu mung sajrone menit

Saben taun, jutaan makalah ilmiah anyar diterbitake—adoh luwih akeh tinimbang sing bisa diwaca wong siji. 

Kanggo para ilmuwan, tantangane dudu akses marang kawruh nanging tugas gedhe banget kanggo nemokake, napsirake, lan nyambungake. Terobosan kedadeyan ing pinggiran sing wis dingerteni, nanging panaliti ngentekake akèh wektu mung kanggo nemokake pinggiran kuwi tinimbang nerusake luwih adoh.

Consensus⁠(mbukak ing jendhela anyar), asisten riset sing digunakake luwih saka 8 yuta wong, digawe kanggo ngowahi kuwi. Didegake dening Christian Salem lan Eric Olson, platform iki nelusuri, maca, lan nyintesis literatur peer-reviewed saka luwih saka 220 yuta makalah. Kapabilitas paling anyare, Scholar Agent, yaiku sistem multi-agen sing dibangun ing GPT‑5 lan Responses API. Iki nggambarake carane panaliti tenan nyambut gawe, mbantu dheweke tekan saka pitakon menyang kesimpulan mung sajrone menit tinimbang minggu.

Nanging tujuane ora mung riset sing luwih cepet—iki dalan sing luwih cepet menyang panemuan. “Ilmu maju nalika luwih gampang diakses,” ujare Salem. “Tugas kita yaiku menehi panaliti ing endi wae kemampuan kanggo nemokake, percaya, lan tumindak adhedhasar bukti.”

Versi pisanan Consensus makarya kaya mesin telusur vertikal kanggo ilmu: ngindeks makalah akademik, njupuk asil sing relevan, lan ngasilake ringkesan adhedhasar sitasi. Nanging telusur wae ora cukup. 

“Riset ora mung golek makalah,” ujare Salem. “Iki babagan napsirake asil, mbandhingake temuan, lan nyambungake gagasan. Saya akèh wektu sing digunakake ilmuwan kanggo nelusuri, maca, lan napsirake kawruh kepungkur kanggo panaliten sing pas, saya sithik wektu sing diduweni kanggo nemokake lan nindakake riset tenan.”

Mula tim banjur miwiti ngrancang ulang Consensus adhedhasar konsep anyar: sistem multi-agen sing diarani “Scholar Agent” sing makarya kaya panaliti manungsa.

Dibangun ing GPT‑5 lan Responses API, sistem iki saiki nglakokake alur kerja agen sing terkoordinasi:

• Agen Perencanaan mecah pitakon pangguna lan mutusake tumindak apa sing kudu ditindakake sabanjure
• Agen Telusur nyisir indeks makalah Consensus, pustaka pribadi pangguna, lan graf sitasi
• Agen Maca napsirake makalah siji-siji utawa sak batch
• Agen Analisis nyintesis asil, nemtokake struktur lan visual, lan nyusun output pungkasan

Saben agen nduweni cakupan sempit, sing njaga nalar tetep presisi lan nyilikake halusinasi. Arsitektur iki uga ngidini Consensus mutusake kapan ora mangsuli; yen ora ana panaliten relevan sing nyukupi ambang kualitas, asisten mung bakal ngomong kaya ngono.

“Kanthi mbagi alur kerja menyang agen-agen, kita nyuda kesalahan lan nggawe sistem luwih disiplin,” ujare Salem. “Ora ana siji agen sing kebacut akeh tanggung jawab, lan jebul iki dadi kunci kanggo keandalan.”

Pendekatan iki sing diarani tim minangka context engineering: nyusun bukti sing pas sadurunge generasi diwiwiti. Saben jawaban teka karo “paket konteks riset”—bundel terstruktur saka makalah, metadata, lan temuan kunci sing bisa dilacak bali menyang panaliten asli.

“Kita ora pengin panaliti mbuwang wektu kanggo mriksa kaping pindho saben klaim,” ujare Salem. “Yen sistem ora bisa nglandhesi jawaban nganggo bukti nyata, sistem ora bakal ngarang.”

Consensus migrasi saka Chat Completions menyang Responses API kanggo ndhukung routing multi-agen. Peralihan iki nambah keandalan lan efisiensi biaya, menehi tim kontrol sing luwih rinci marang panggilan sub-agen. Kanthi nalar konteks dawa GPT‑5 lan tool-calling sing andal, pilihane dadi cetha.

Evaluasi awal negesake taruhan iki: GPT‑5 ngluwihi GPT‑4.1, Sonnet 4, lan Gemini 2.5 Pro ing akurasi tool-calling lan stabilitas perencanaan. Iki ndadekake tim Consensus bisa luwih sithik fokus marang akrobat prompt lan luwih fokus mbangun prilaku agen sing langsung cocog karo alur kerja riset.

Saka wiwitan, Consensus nyedhaki pasar kanthi cara beda saka sing diarepake. Tinimbang adol liwat institusi, tim fokus marang wong-wong sing nindakake riset dhewe: mahasiswa, dosen, lan klinisi sing butuh jawaban dina iki. Fokus langsung marang panaliti iki mbentuk desain produk lan pertumbuhane sing cepet.

“Kabeh wong kandha sampeyan ora bisa langsung menyang konsumen ing akademia, nanging AI wis ngowahi kuwi,” ujare Salem. “Wong-wong ora ngenteni persetujuan maneh—they use what works.”

Kaputusan kuwi mbentuk nada produk lan kurva pertumbuhane. Consensus krasa luwih kaya app konsumen modern tinimbang piranti akademik tradisional: onboarding cepet, desain intuïtif, antarmuka obrolan. Adopsi nyebar liwat omongan saka cangkem menyang cangkem ing kampus lan lab.

Mahasiswa pascasarjana lan kandidat PhD dadi pangguna kuat pisanan, banjur disusul dosen lan panaliti swasta. Banjur giliran klinisi, sing wiwit nggunakake Consensus kanggo nemokake bukti paling anyar ing bidang dheweke. 

“Kita ora miwiti kanthi tujuan mbangun kanggo dokter,” ujare Salem. “Nanging dheweke butuh perkara sing padha karo panaliti: akses cepet menyang bukti sing andal.”

Perusahaan iki bubar teken kerja sama karo perpustakaan medis Mayo Clinic lan uga nembe ngluncurake ‘Medical Mode,’ fitur anyar sing dirancang kanggo praktisi sing nggoleki bukti klinis.

Ing setaun kepungkur, Consensus wis ngembang kanthi cepet, tuwuh dadi luwih saka 8 yuta panaliti ing saindenging donya lan nambah revenue nganti 8x.

Pertumbuhan kuwi ora ngowahi prioritas produk. Saben fitur isih muter ing sekitar jawaban sing bisa diverifikasi lan halusinasi sing cilik. Tim wis nandur modal gedhe ing pipeline evaluasi sing nguji akurasi, keterlacakan sitasi, lan konsistensi gaya antar agen.

Arsitektur Consensus sengaja modular, dirancang supaya agen anyar bisa langsung mlebu nalika model saya ngembang lan saya apik—agen sing bisa niru eksperimen, ngasilake gambar, utawa nglakokake analisis statistik.

“Kita lagi mbangun asisten sing tenan dibutuhake panaliti ing jagad sing owah kanthi cepet,” ujare Salem. “Model-model terus dadi luwih apik, sistem tuwuh bebarengan karo kuwi, lan ilmu maju luwih cepet.”