La pagina di documentazione di GPT Researcher "Context Filter", riscritta il 26 settembre 2026 dal suo creatore Assaf Elovic, descrive la fase che sceglie, tra le pagine raccolte, i passaggi che il modello writer leggerà effettivamente. La presenta come la leva principale sulla qualità del report dopo la ricerca stessa.
Per ogni sub-query, le pagine sono limitate a 50.000 caratteri e suddivise in chunk di 1.000 caratteri. Il filtro conserva al massimo dieci chunk (venticinque in modalità keyword), poi i contesti delle sub-query vengono uniti e passati al writer. La chat su un report esistente riutilizza la stessa funzione.
Sono disponibili cinque modalità. Per impostazione predefinita, GPT Researcher usa Jev, un modello di TypeSafe che non genera testo ma risponde a domande tipizzate con probabilità calibrate. Ogni chunk riceve un punteggio di utilità da 0 a 3 su una scala a quattro livelli; vengono conservati solo i chunk con punteggio pari o superiore a 1,5. Le chiamate partono in parallelo, sessantaquattro alla volta, per circa 1,7 secondi di tempo mediano di filtraggio e mezzo centesimo per report. Senza una chiave TypeSafe, o in caso di errore, il sistema ricorre a un ranking BM25 in puro Python, senza dipendenze, che conserva i chunk che raggiungono metà del punteggio del chunk migliore. Nessuna configurazione lascia un'esecuzione senza contesto.
Il benchmark ripete 28 task reali, 20 domande SimpleQA e 8 domande aperte, esattamente sulle pagine che erano state registrate, con lo stesso modello writer. Varia solo il filtro. Jev raggiunge il 73% di passaggi pertinenti contro il 46% degli embedding, e vince 15 confronti diretti contro 3, con 10 pareggi, allo stesso costo. Il fallback BM25 raggiunge il 51% e vince 14 contro 6, un risultato giudicato solo indicativo. Senza filtro, i report a domanda aperta guadagnano in ampiezza, ma costano in media il 65% in più.
Due risultati strutturano la pagina. Primo, la soglia conta più del ranking: senza soglia, Jev scende al 50% e BM25 perde contro gli embedding. Secondo, il guadagno è una riduzione del rumore: Jev invia 4,5k token invece di 7,6k, per una quantità equivalente di testo pertinente. SimpleQA, saturo a 18-20 su 20, non discrimina affatto.
La pagina elenca i propri limiti: 28 task, un solo tipo di report, scrittura e valutazione a cura della stessa famiglia di modelli. Gli script di raccolta, replay e valutazione sono pubblicati, insieme alle metriche di ogni esecuzione, così chiunque può ripetere la misurazione.