hyperresearchとは？
Jordan Gibbs氏が開発したhyperresearchは、Claude Code（および最近追加されたOpenAI Codex）をディープリサーチエージェントへと変貌させます。1つのプロンプトから最大16段階のパイプラインが開始されます。これには、質問の分解、並行した情報源取得ウェーブ、矛盾のマッピング、3つのドラフト作成、4つの敵対的批判者による検証、限定的な修正のみが許可されたtool-locked patcher、そしてレポート出力前の引用チェックが含まれます。読み込まれたすべての情報源はMarkdownとSQLiteによるvaultに保存され、以後の実行時にはここが最初に検索されます。
pip install hyperresearchおよびhyperresearch installを実行するか、Claude CodeまたはCodexのプラグインとしてインストールできます。学術検索はOpenAlex、Crossref、CORE、DOAB、ClinicalTrials.gov、SEC EDGAR、FREDをカバーし、有料論文の法的に正当なオープンアクセスコピーも探索します。MCP serverを介してvaultを他のクライアントに公開することも可能です。
リポジトリはMITライセンスで、約4,200件のGitHubスターを獲得しています。PyPIパッケージは0.13.0（2026年10月27日）です。作者はhyperresearch.aiにて、レポート単位で課金されるホスト版も提供しています。
hyperresearchは使う価値があるか？
hyperresearchは、私たちが確認した中で最も厳密なオープンディープリサーチ基盤であり、マーケティングではなくその仕組みによって評価を得ています。商用のリサーチモードは流暢なレポートを提示し、引用の正確性をユーザーの信頼に委ねます。一方、このパイプラインは自身を疑うように構築されています。引用文は保存された情報源と完全に一致しなければレポートを出力できず、撤回された論文を明記せずに引用することは重大なエラーとなります。また、独立性チェックによって1件のプレスリリースの5つの転載記事は1つの情報源としてカウントされ、最終的な編集工程はReadとEditに制限されているためドラフトを勝手に書き換えることはできません。取得されたページは信頼できないデータとして扱われ、エージェントが選別していない何百ものページからのプロンプトインジェクションに対する合理的な防御策となっています。
看板となっている主張には留意すべき点があります。READMEではDRACOディープリサーチベンチマークにおいて77.7を記録し、Claude Researchの73.0やChatGPT deep researchの55.2を上回って首位にあるとされています。ただし、これはプロジェクト自身が公開した10タスクの実行結果であり、Codexへの移植版についてはベンチマークすら行われていません。これはパイプラインが本格的であることの証左として捉えるべきであり、確定した順位として受け取るべきではありません。
コストとなるのは時間とトークンです。軽微な実行には約30から40分、デフォルトの完全版ティアには約1.5から2.5時間、最上位の構成では3から5時間かかります。各実行で多数のサブエージェントが生成されるため、Claudeのサブスクリプションでは利用制限を消費し、APIキーを使用する場合は相応の費用が発生します。run init --budgetを使用すると推定支出額に上限を設定でき、予算超過を防ぐために処理を中断します。vaultは長期的な利点をもたらします。情報源が蓄積されるため、同一分野における次の質問ではすでに保存されているデータから着手できます。
本ツールは2026年4月に作成されたバージョン0.13の新しいプロジェクトであり、主要な開発者は1名で、dissertationティアは実験段階にありターゲットも未設定です。READMEには、リントゲートが検出するのは構造的な不備であり事実関係の誤りではないことが明記されています。1レポートあたり9ドルまたは49ドルのホスト版と比較すると、セルフホストは手動のセットアップと監視を前提に費用を削減する選択肢です。また、チャット製品のリサーチモードと比較すると、速度を犠牲にして実際に監査可能な証跡を確保する選択肢となります。
真価を発揮する場面
レストラン向けソフトウェアを担当する小規模ファンドの株式アナリスト
すべての主張の出所を追跡可能なSEC提出書類に基づく競合分析を作成することです
Claude Codeで予算上限を指定して/hyperresearchを実行します。EDGARの提出書類をvaultに取り込み、ドラフト作成、批評、引用チェックを行います。フルティアで1.5から2.5時間を要するか、ホスト版のDeepレポートで49ドルとなります。
医療政策の文献レビューを執筆している博士課程の学生
有料論文を含む文献や臨床試験の情報を、アブストラクトのみで読了扱いすることなく収集することです
学術検索がOpenAlex、Crossref、CORE、ClinicalTrials.govを検索し、オープンアクセスリカバリが代替であることを明示した上で法的に問題のない全文を取得します。vaultは次の章のためにすべての情報源を保持します。
チームのエージェントに共有リサーチメモリを提供するプラットフォームエンジニア
CursorやClaude Desktopから、過去の実行で収集した情報源に対してクエリを行えるようにすることです
pip install hyperresearch[mcp]を実行してhyperresearch mcpを起動します。search_notes、read_note、fetch_urlを含む13個のツールが同一のvaultに対して機能します。モデル使用料以外の追加費用はかかりません。
導入前に確認すること
- 導入
- Python 3.11から3.14環境で、プロジェクト内でpip install hyperresearchおよびhyperresearch installを実行します（Codexの場合は--target codexを指定）。またはClaude Codeプラグインをインストールします。Codexセッションではワークスペースの書き込み権限とネットワークアクセスの有効化が必要です。
- 連携
- Claude CodeおよびOpenAI Codexに対応します。ウェブプロバイダはbuiltin、crawl4ai、Exa、Tavily、Parallel、Serplyに対応します。オプションでVoyageまたはOpenAIのエンベディングを使用できます。Claude DesktopやCursorなどに向けた13個のツールを持つMCP serverを備えています。
- データとプライバシー
- ローカルで実行され、情報源はプロジェクト内にMarkdownおよびSQLiteとして保存されます。ページ内容はエージェントのモデルプロバイダおよび設定した検索APIに送信されます。取得されたテキストは信頼できない入力として区画されます。MITライセンスです。
- 大規模利用時のコスト
- ライセンス費用はありません。各実行で多数のサブエージェント呼び出しが発生するため、頻繁に使用する場合は上位のClaudeプランまたはAPI利用料が必要になります。これらは--budgetで実行ごとに上限を設定できます。ホスト版はLightレポートが9ドル、Deepレポートが49ドルです。
- 制限
- 法的なオープンアクセスコピーが存在しない限り、ログインしていないペイウォール内の閲覧はできません。リントチェックは事実性ではなく構造を検査します。dissertationティアは実験的です。Codex環境ではブラウザレーンが存在せず、tool locksは指示のみにとどまります。
良い点
- 完全一致引用、論文撤回、引用チェックにより不備のあるレポート出力を阻止します
- 永続的なローカルvaultにより次回以降の実行で再利用でき、MCP経由での公開も可能です
- 1回のクエリで8つの学術および提出書類データベースを横断検索します
- 複数時間に及ぶ処理に対応する支出上限設定と中断再開機能を備えています
気になる点
- 完全な実行には1.5から2.5時間と多数のサブエージェント呼び出しが必要です
- ベンチマークの優位性は10タスクに基づく自己報告値です
- Codex版は新しく、ベンチマーク未実施でtool locks機能も欠如しています
- 主要メンテナーが1名のみで、0.x系のリリース更新が急速です
おすすめの人
すでにClaude Codeを利用しており、数時間の処理待ちを許容した上で、監査可能な引用付きレポートを必要とするアナリストや研究者に適しています。
hyperresearchの代替
hyperresearch：よくある質問
- hyperresearchは使う価値があるか？
- 洗練された要約を提供する代わりに実質的な検証ゲートを備えたディープリサーチですが、長時間の連続エージェント稼働と、単独のメンテナーの保守能力に依存する点が代償となります。 評価は5点満点中3.9点です。
- hyperresearchの料金は？
- 無料かつオープンソース（MIT）です。消費されるClaude CodeまたはCodexの使用料を支払います。ホスト版は従量課金制で、Lightレポートが9ドル、Deepレ ポートが49ドルです。Enterpriseは要問い合わせとなっています。
- hyperresearchの欠点は？
- 完全な実行には1.5から2.5時間と多数のサブエージェント呼び出しが必要です; ベンチマークの優位性は10タスクに基づく自己報告値です; Codex版は新しく、ベンチマーク未実施でtool locks機能も欠如しています; 主要メンテナーが1名のみで、0.x系のリリース更新が急速です.
- hyperresearchは誰に向いているか？
- すでにClaude Codeを利用しており、数時間の処理待ちを許容した上で、監査可能な引用付きレポートを必要とするアナリストや研究者に適しています。
- チームや本番環境でhyperresearchを使うと費用はいくらか？
- ライセンス費用はありません。各実行で多数のサブエージェント呼び出しが発生するため、頻繁に使用する場合は上位のClaudeプランまたはAPI利用料が必要になります。これらは--budgetで実行ごとに上限を設定できます。ホスト版はLightレポートが9ドル、Deepレポートが49ドルです。
- hyperresearchは企業データを扱っても安全か？
- ローカルで実行され、情報源はプロジェクト内にMarkdownおよびSQLiteとして保存されます。ページ内容はエージェントのモデルプロバイダおよび設定した検索APIに送信されます。取得されたテキストは信頼できない入力として区画されます。MITライセンスです。
- hyperresearchの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はnotebooklm-py, Agent Reach 、 Crawl4AIです。
回答確認日：2026年10月31日