Die Dokumentationsseite „Context Filter“ von GPT Researcher, überarbeitet am 26. September 2026 von ihrem Erschaffer Assaf Elovic, beschreibt den Schritt, der unter den gescrapten Seiten die Passagen auswählt, die das Schreibmodell tatsächlich lesen wird. Sie stellt dies als den wichtigsten Hebel für die Berichtsqualität nach der Recherche selbst dar.
Für jede Unterabfrage werden die Seiten auf 50.000 Zeichen begrenzt und in 1.000-Zeichen-Abschnitte zerlegt. Der Filter behält höchstens zehn Abschnitte (im Keyword-Modus fünfundzwanzig), anschließend werden die Kontexte der Unterabfragen zusammengeführt und an den Schreiber übergeben. Der Chat zu einem bestehenden Bericht nutzt dieselbe Funktion wieder.
Es stehen fünf Modi zur Verfügung. Standardmäßig verwendet GPT Researcher Jev, ein Modell von TypeSafe, das keinen Text generiert, sondern typisierte Fragen mit kalibrierten Wahrscheinlichkeiten beantwortet. Jeder Abschnitt erhält eine Nützlichkeitsbewertung von 0 bis 3 auf einer vierstufigen Skala; nur Abschnitte mit 1,5 oder mehr werden beibehalten. Die Aufrufe laufen parallel, jeweils vierundsechzig gleichzeitig, bei einer mittleren Filterzeit von etwa 1,7 Sekunden und einem halben Cent pro Bericht. Ohne TypeSafe-Schlüssel oder im Fehlerfall greift das System auf ein reines Python-Ranking ohne Abhängigkeiten nach BM25 zurück, das Abschnitte behält, die die Hälfte des Werts des besten Abschnitts erreichen. Keine Einstellung lässt einen Lauf ohne Kontext zurück.
Der Benchmark spielt 28 reale Aufgaben erneut durch, 20 SimpleQA-Fragen und 8 offene Fragen, exakt auf den aufgezeichneten Seiten, mit demselben Schreibmodell. Nur der Filter variiert. Jev erreicht 73 % relevante Passagen gegenüber 46 % bei Embeddings und gewinnt 15 Direktvergleiche gegen 3, bei 10 Unentschieden, zu gleichen Kosten. Der BM25-Fallback erreicht 51 % und gewinnt 14 gegen 6, ein Ergebnis, das nur als richtungsweisend eingestuft wird. Ohne Filter gewinnen offene Berichte an Umfang, kosten aber im Durchschnitt 65 % mehr.
Zwei Befunde strukturieren die Seite. Erstens zählt der Schwellenwert mehr als das Ranking: Ohne Schwellenwert fällt Jev auf 50 % zurück, und BM25 verliert gegen Embeddings. Zweitens besteht der Gewinn in einer Rauschreduzierung: Jev sendet 4,5k Tokens statt 7,6k, bei einer gleichwertigen Menge relevanten Texts. SimpleQA, das bei 18-20 von 20 gesättigt ist, unterscheidet überhaupt nicht.
Die Seite nennt ihre Einschränkungen: 28 Aufgaben, ein einziger Berichtstyp, Schreiben und Bewerten durch dieselbe Modellfamilie. Die Skripte für Erfassung, erneutes Durchspielen und Bewertung sind veröffentlicht, zusammen mit Metriken pro Lauf, sodass jeder die Messung wiederholen kann.