Elicit vs Iris.ai 2026: сравнение сервисов для исследователей

Категория research-ai на AIRatings делится на четыре подгруппы: AI-поисковики по научным базам, работа с загруженными PDF, верификация цитирований и граф знаний с аналитикой. Elicit живёт в двух первых подгруппах — как поисковик и как инструмент для чата с PDF. Iris.ai заходит через четвёртую (граф знаний, аналитика для R&D) и добавляет туда enterprise-RAG-платформу с примыканием ко второй подгруппе.

Elicit продаёт себя как AI research assistant для конкретного человека. Поиск по 138 миллионам научных статей и 545 000 клинических испытаний, автоматическая extraction table, systematic review с мини-PRISMA, чат с загруженным PDF. Пользователь — аспирант, магистрант, врач-исследователь, аналитик медицинского портала. Цены прозрачные: Basic бесплатно, Plus $12/мес, Pro $49/мес, Team $79/место/мес при минимум двух местах. Регистрация по email, оплата через Stripe, никаких переговоров с sales.

Iris.ai продаёт три продукта под разные корпоративные задачи. Axion™ отвечает за безопасный ingestion 160+ млн внешних научно-технических документов в корпоративные AI-системы. Neuralith™ интегрирует внутренние знания клиента — техотчёты, патенты, исследования — в LLM-агентов через enterprise-RAG с многоуровневой обработкой. RSpace™ — R&D intelligence platform для мониторинга технологических трендов и конкурентной разведки. Клиенты — pharma, нефтегаз, aerospace, materials science. Публичный консьюмерский тариф отсутствует: 14-дневный trial, Scholar plan «примерно на 60% дешевле Professional» с ценой по запросу, Enterprise Solution с полным пакетом (custom integrations, on-premises, team training, prompt engineering guidance, CI/CD best practices, continuous monitoring).

Единственная зона реального пересечения — Scholar plan Iris.ai для академических групп и Team-план Elicit для небольших команд. Всё остальное — параллельные миры. Аспирант из МГУ не купит Neuralith. Фармкомпания Bayer не будет собирать systematic review в Pro-подписке Elicit за $49/мес: ей нужен on-prem-контур в собственном ЦОД и договор с NDA, чего в Elicit просто не существует.

Это подтема, в которой Elicit построил свою репутацию. Extraction Table — главная фича сервиса: вы задаёте набор колонок (стандартные методологические поля вроде PICO или собственные), Elicit находит релевантные статьи и автоматически заполняет таблицу. По рецензированному исследованию в PMC за 2025 год (PMC12462964), точность извлечения на структурных полях достигла 99.4% — 1502 из 1511 верных извлечений на тестовой выборке. Второе исследование в SAGE Journals (2025, 08944393251404052) показало 45.7% совпадения на «нюансных переменных» — конкретно на intervention effects. Это уже потолок автоматики там, где нужна экспертная интерпретация, и мы честно закладываем это в оценку.

Отчёт вмещает до 80 статей в одной сессии, пользовательские колонки безлимитны, в 2025 году добавили извлечение данных из таблиц в PDF — это критично для клинических исследований, где эффект препарата на конкретный показатель обычно живёт в таблице, а не в теле статьи. Плюс: систематический обзор с мини-PRISMA идёт из того же интерфейса.

У Iris.ai подход принципиально другой. Есть Autonomous Extraction и Auto-generated Summaries как часть RSpace™ и Neuralith™, но публичных цифр точности в открытых источниках нет — Iris.ai продаёт enterprise-решение, где качество валидируется в demo под конкретный корпус клиента. Focus Filter™ (патентованная фича) даёт пользователю интерактивную карту концептов для сужения выборки: вы выбираете релевантные концепты, Iris.ai пересобирает результат. Это про другой этап работы — не «извлечь методологию из 35 статей», а «сузить 10 000 результатов до релевантных 200 руками эксперта». Для systematic review это скорее вспомогательный слой, чем конкурент Elicit Extraction Table.

Ещё одна тонкость: Iris.ai таргетируется на технические и патентные корпуса — материаловедение, фарма, aerospace. У них 160 миллионов документов включают патенты и техотчёты, а не только рецензируемые статьи. Для extraction методологии рандомизированных клинических испытаний это скорее минус, чем плюс: корпус смешанный, PICO-поля из патента не выкачаешь.

Здесь Elicit ушёл далеко вперёд. С 2025 года у него есть отдельный режим Systematic Review со встроенной мини-PRISMA-диаграммой и strict screening criteria, добавленными в 2025-м специально для строгого академического скрининга. По данным компании (elicit.com/solutions/literature-review), пользователи сокращают время на systematic review на 80% — это не косметическая экономия, а превращение двух недель работы в два-три вечера. Размер одного отчёта — до 80 статей. Дедупликация, extraction table с пользовательскими колонками и кросс-статейный синтез — всё в одном окне.

Iris.ai в эту нишу целенаправленно не идёт. Focus Filter и Workbench позволяют собрать релевантный корпус документов и вести к нему совместные знания, но специализированного PRISMA-режима, автоматической дедупликации по CrossRef и экспорта в Rayyan/Covidence там нет. Для медицинского systematic review это блокер: без PRISMA-диаграммы работа не примется в Cochrane или JAMA, а вручную рисовать её в Miro — обесценит экономию времени, ради которой сервис и покупался.

Точность скрининга — отдельная тема. Elicit не публикует независимых бенчмарков по recall/precision против ручного отбора в PRISMA-исследованиях; заявлено только 80% сокращение времени. Это означает: для регулируемых обзоров (Cochrane, FDA-документация) ручной check всё равно обязателен — но он уже идёт по сокращённой выборке в 60–100 статей, а не по исходным 600. Для нерегулируемых обзоров (магистерская работа, рабочий отчёт) даже без бенчмарка сокращение времени на порядок оправдывает подписку.

Iris.ai в этой подтеме побеждает только в одном сценарии — если у вас R&D-обзор, а не медицинский systematic review. Технологический обзор конкурентных патентов, конкурентная разведка в химии материалов, мониторинг клинических пайплайнов фармы — здесь PRISMA неприменима, а Focus Filter и RSpace ложатся ровно.

В Elicit суммаризация — побочный продукт основной задачи (extraction table). Для каждой найденной статьи он сразу выдаёт сжатый абстракт под конкретный исследовательский вопрос, а не общий пересказ. То есть один и тот же PDF, найденный по запросу «влияние омега-3 на воспаление» и по запросу «биодоступность омега-3», даст разные саммари — сервис вытащит из текста разные предложения. Дополнительно работает кросс-статейный синтез (для платных планов): по 10–20 результатам поиска Elicit пишет связный обзор с inline-ссылками на источники. Ключевые числа сохраняются, методология переносится, ограничения из discussion — тоже.

Iris.ai подход к суммаризации подаёт как Auto-generated Summaries — часть Neuralith™ и RSpace™. По досье, это автоматические рефераты и структурированное извлечение данных из большого набора документов. Отличие от Elicit — Iris.ai собирает суммаризацию не под конкретный вопрос конечного пользователя, а под задачу корпоративного мониторинга: вот вам список из 500 новых препринтов и патентов, отсортированный и сжатый по темам, которые вы отметили в Focus Filter. Для CTO фармкомпании, которому нужно раз в неделю листать саммари по своему направлению, это подходит; для аспиранта, которому надо здесь и сейчас понять одну статью — избыточно.

Провайдера базового LLM ни один из двух публично не раскрывает. Elicit исторически стартовал на GPT-3 (ещё под брендом Ought), провайдера текущей модели сервис не раскрывает — но это наблюдение, не факт, и в оценку мы это не подставляем. Iris.ai раскрывает архитектуру (agentic RAG, LLM evaluation, CI/CD для AI-систем), но провайдера базовой модели тоже не называет. Это норма для research-AI-категории: конкретный LLM меняется чаще, чем публикуется в блоге.

Здесь ни один из двух сервисов не делает русский язык приоритетом — и делать вид, что «этот чуть лучше того», мы не будем. Elicit построен поверх англоязычного корпуса Semantic Scholar, PubMed и arXiv; русскоязычная научная инфраструктура (elibrary.ru, КиберЛенинка, ВАК-журналы) там практически не индексируется, по досье охват такой базы — 95%+ английский. Русский UI отсутствует. Iris.ai — норвежская компания с фокусом на западный B2B в фарме, нефтегазе и materials science; русскоязычные источники в корпусе тоже охвачены минимально, российских клиентов среди публично упомянутых нет.

Точных метрик по русскому языку — процент индексированных русскоязычных статей, WER на русскоязычных запросах, качество суммаризации русского PDF — ни в одном досье нет. Это data_gap, и по правилу редакции (SKILL §17) мы честно ставим низкий балл за непрозрачность: 4/10 обоим, а не выдумываем оптимистичное «может быть, чуть лучше». Если сервис не публикует данные — это минус, не выкручиваемся.

На практическом уровне разница между Elicit и Iris.ai для русскоязычного пользователя минимальна. Оба поймут английскую статью, оба разберут английский запрос, оба провалятся, если попросить «найди мне все ВАК-статьи по цифровой социологии 2022–2024». У Elicit есть слабое преимущество в том, что PDF можно загрузить любой — сервис попробует его прочитать, даже если корпуса там нет. У Iris.ai в открытом консьюмерском формате даже такой опции нет: enterprise-договор с интеграцией русскоязычной базы через Axion теоретически возможен, но это не про самообслуживание.

Для российской аудитории AIRatings это критично. Категория research-ai пока не даёт российским исследователям локального решения — и Elicit, и Iris.ai не заменят GigaChat или YandexGPT для гуманитарных дисциплин на русском материале. Мы это фиксируем не как жалобу на сервисы (они не для российского рынка), а как ориентир для читателя: не покупайте эти подписки под задачу «обзор литературы по русской истории».

Здесь два сервиса разъезжаются максимально. Elicit — чистый SaaS на американской инфраструктуре. On-prem-развёртывания в досье не упомянуто, self-host — нет. Даже Team-план продаётся как облачный сервис, где ваши extraction tables и загруженные PDF живут в Elicit-инфраструктуре. Компания декларирует осторожное обращение с данными как Public Benefit Corporation, но конкретные Enterprise-соглашения о конфиденциальности и no-training-on-data — вопрос переговоров, а не публичная опция.

Iris.ai построен как enterprise-first продукт с on-premises-развёртыванием как частью базового предложения. В Enterprise Solution (сайт iris.ai) явно указано: «on-premises опции для регулируемых отраслей». Это разворачивание всей платформы (Axion + Neuralith + RSpace) в периметре клиента — весь ingestion 160+ млн документов, весь RAG, вся аналитика идут в собственном ЦОД компании. Для pharma, нефтегаза и госсектора это часто единственный способ работать с AI поверх коммерчески чувствительных данных.

Разрыв здесь не оценочный, а архитектурный. Elicit нельзя «доработать» до on-prem мелким контрактом: это переписывание продукта. Iris.ai нельзя «упростить» до консьюмерского SaaS без потери своей главной ценности для enterprise. Это два разных бизнеса, которые оказались в одной категории только потому, что оба работают со science-текстами.

Прайс-листы у двух сервисов работают в разных плоскостях. Elicit — прозрачная лестница: Basic бесплатно, Plus $12/мес или $120/год, Pro $49/мес или $499/год, Team $79 за место в месяц или $780 за место в год при минимум двух местах. Стоимость видна на pricing-странице, оплата через Stripe, никаких переговоров. Годовая экономия при annual-оплате в Plus и Pro — примерно 15%.

Iris.ai работает enterprise-only: 14-дневный Free Trial, Scholar Plan «примерно на 60% дешевле Professional» с конкретной ценой по запросу, Professional по запросу, Enterprise Solution с полностью кастомной ценой. Публичной цены на Scholar Plan в открытых источниках нет — это в досье помечено как data_gap. Даже приблизительно оценить годовой чек невозможно без демо и переговоров с sales.

Для одного исследователя годовой чек Elicit Pro — $499 (~45 000 ₽ по курсу 90 ₽ за доллар). Для команды из шести в Elicit Team — $5 688 в год (~512 000 ₽). У Iris.ai для сопоставимой команды академического уровня Scholar Plan будет дороже — точную цифру публично не назвать, но 60% от Professional при B2B-модели обычно даёт диапазон $6–15k в год за небольшую команду, судя по сравнимым нишевым enterprise-инструментам. Здесь мы не даём точной цифры (её нет в досье), а фиксируем: планировать бюджет заранее в Iris.ai нельзя, надо идти на demo.

Это принципиальный момент для российского и восточноевропейского покупателя. Elicit можно попробовать в Free и подписать Pro за пять минут через любую иностранную карту. Iris.ai требует институционального договора, юридического отдела и обычно валютного контроля. Для аспиранта это разница между «попробую вечером» и «пройду через закупочную комиссию к следующему семестру».

Free Elicit (Basic) — это полноценный продукт с лимитами, живущий без ограничения по времени. Поиск по 138 миллионам статей без лимита — можно пользоваться каждый день. Суммаризация и чат с загруженным PDF — до 4 статей одновременно в сессии. Извлечение данных из PDF — 20 файлов в месяц с 2 колонками extraction table. Регистрация через email, без ввода карты. Этого достаточно, чтобы аспирант закрыл 1–2 небольших обзора в месяц и без подписки.

У Iris.ai «Free» в привычном смысле нет — только 14-дневный Free Trial с ограниченным доступом к функциям Workspace. Через две недели триал закрывается, дальше — Scholar Plan или Enterprise по договору. Это классическая enterprise-логика: подписка pilot-фазы, а не самообслуживание.

Для российской или европейской академической аудитории эта разница почти всегда решает выбор. Аспирант может держать Elicit Basic годами и вырасти до Pro только когда почувствует упор в лимит 4 статей одновременно. С Iris.ai таких сценариев нет — либо enterprise-договор, либо ничего. Академический Scholar Plan существует, но без публичной цены и с сейлз-циклом.

Здесь позиции у сервисов противоположные. Elicit публичный API не раскрывает: на официальном сайте endpoint'ы, rate limits и цена за запрос не документированы. В досье указано, что enterprise-доступ возможен — то есть API получают по индивидуальному контракту, а не как продукт самообслуживания. Для стороннего разработчика это означает: интеграция за пару дней невозможна, надо идти на sales-цикл.

У Iris.ai enterprise API есть и позиционируется явно — это часть базового предложения для корпоративных клиентов, доступ через договор. По досье, Iris.ai строит инфраструктуру на agentic RAG с CI/CD-практиками для AI-систем — то есть API-слой сделан для интеграций в корпоративные AI-агенты, не как afterthought. Конкретные rate limits и цена за запрос в открытом виде не публикуются (data_gap), но факт наличия production-API — это уже другая опорная точка, чем «возможен enterprise-доступ» у Elicit.

Разница здесь не в наличии API как факта, а в философии продукта. Elicit — розничный research assistant, где API — побочная опция. Iris.ai — B2B-стек, где интеграция в корпоративные AI-агенты и есть ядро ценности. Neuralith™ буквально построен как «интеграция корпоративных знаний в LLM-движки», это API-driven продукт по определению.

Для команды, которой нужен production-pipeline с автоматическим ingestion и стабильным SLA, Iris.ai выигрывает эту подтему просто потому, что он в этом бизнесе. Если API от Elicit получить в принципе можно, то заявленные SLA, документация, поддержка партнёрских интеграций и предсказуемый rate limiting у Iris.ai — часть стандартного предложения, а не «мы посмотрим, что сможем сделать».

Технически оба сервиса доступны из России. Elicit — американская компания, но браузерный вход не блокируется, специфических IP-ограничений в досье нет. Iris.ai — норвежская компания в EEA; техническая доступность есть, санкционных блокировок для просмотра сайта нет. Free Elicit Basic работает без оплаты, 14-дневный trial Iris.ai — доступен через регистрацию.

Проблема начинается с платного тарифа. Elicit использует Stripe, российские карты не принимаются — по досье это подтверждено. Придётся оформлять через иностранную карту, виртуальную карту или сервисы-посредники (что часто нарушает условия использования). У Iris.ai платного «купить кнопкой» вообще нет — только корпоративный договор через отдел продаж. Для российского B2B к этому добавляется санкционный compliance-риск: норвежская компания может отказаться заключать договор с российским юрлицом по внутренней политике.

Для российского исследователя Elicit получается практичнее: барьер только с оплатой, а не с самим фактом использования. Иностранная карта Kazakh или Kyrgyz банков, семейный доступ через родственников за рубежом — обходные пути известные и работающие. У Iris.ai обходные пути в enterprise-логике не существуют: пилот через 14-дневный trial реально запустить, но полноценный контракт под российское юрлицо в текущей санкционной рамке маловероятен.

Iris.ai здесь на своей территории. Норвежская компания в EEA — GDPR-native по определению: обработка данных в Европе, юридическая рамка европейская, регулятор — норвежский Datatilsynet. On-premises-развёртывание закрывает вопрос data residency: данные не покидают периметр клиента. Iris.ai работает с pharma, energy и materials science — секторами с жёсткими compliance-требованиями, у команды есть опыт enterprise-договоров под FDA-подобные регуляторы. SOC2 в открытых источниках не подтверждён (data_gap), но для европейского клиента чаще запрашивают ISO 27001 или собственные аудиты — их наличие обычно уточняется в demo.

Elicit — Public Benefit Corporation в США, что закрепляет «общественную пользу» в уставе. Это про миссию, а не про compliance. Политика обработки данных и no-training-on-data декларируется в Terms of Service, но конкретные сертификации (SOC2, ISO 27001, HIPAA) в открытых источниках не заявлены. Data retention явно не публикуется. Для академического использования этого хватает; для регулируемого корпоративного — точно нет.

SOC2 Type II — data_gap для обоих сервисов: на май 2026 в открытых источниках публичного статуса нет. Уточнять надо в demo. В нашей оценке это не выкладываем как преимущество ни одному из двух: неопубликованный статус трактуем как «не подтверждён», а не «обязательно нет».

Elicit по цифрам выглядит увереннее. В 2023 году Seed-раунд на $9M с лидом Fifty Years и участием Basis Set, Illusian, Mythos, Julian, Tom Preston-Werner (co-founder GitHub), Arash Ferdowsi (co-founder Dropbox). В феврале 2025 — Series A на $22M с лидами Spark Capital и Footwork. Итого $31M+ привлечено. Статус Public Benefit Corporation закрепляет миссию, продукт нашёл коммерческую нишу в академических systematic reviews и enterprise-контрактах на literature review.

Iris.ai — деньги другого масштаба, но история длиннее. Основана в 2015 году в Осло, четыре сооснователя (Jacobo Elosua, Anita Brede, Maria Ritola, Victor Botev). Публично известный Series A — €7.64M с лидом Silverline Capital и участием European Innovation Council (EIC) Accelerator Fund. Общий поднятый капитал публично полностью не раскрыт. Смена продуктового фокуса с консьюмерского Workspace 2010-х на enterprise-стек (Axion / Neuralith / RSpace) — стратегическое решение, снижающее unit economics-риск за счёт больших enterprise-контрактов.

Что это значит для выбора. У Elicit больше runway и более известные VC (Spark Capital — фонд, стоящий за Twitter, Slack, DataDog). Более крупный чек 2025 года усиливает шансы компании дойти до Series B или экзита. У Iris.ai — 10+ лет на рынке, устойчивая B2B-ниша в сложных индустриях, поддержка EU-программы EIC Accelerator (это грантовая инфраструктура ЕС для deeptech). Обе компании — не 2023-года выскочки; ни одна не в очевидной зоне закрытия в ближайшие 12 месяцев.

Сценарий 1: PhD-диссертация с systematic review. Аспирантка биомедицины пишет главу по литературе — 40–60 включённых статей, PRISMA-диаграмма обязательна для комитета. Elicit Pro за $49/мес закроет screening 500 статей за пару вечеров, выдаст мини-PRISMA и extraction table. Iris.ai в такой конкретной академической рутине избыточен и без публичной цены не покупается за академический бюджет.

Сценарий 2: чат с одним PDF-отчётом. Врач получил 60-страничный клинический guideline и должен через час рассказать коллегам ключевые изменения. Загрузил в Elicit Basic, задал вопросы («что нового в лечении первой линии», «каковы противопоказания»), получил конкретные ответы с цитированием мест. Iris.ai для этого не предназначен — там workflow строится вокруг корпоративного корпуса, а не одного PDF на 60 страниц.

Сценарий 3: meta-анализ 30 исследований по клиническому вопросу. Extraction table Elicit с пользовательскими колонками (методология, размер выборки, интервенция, эффект, ограничения) заполняется автоматически по 30 статьям. Проверка глазами занимает час вместо двух недель ручного extraction. С 99.4% точности на структурных полях это норма для медицинского meta-анализа. В Iris.ai аналога с сопоставимой точностью и такой публикационной валидацией нет.

Сценарий 4: магистерская работа без корпоративного бюджета. Студент делает обзор литературы за месяц, у него $500 на подписки за весь год. Elicit Pro на месяц ($49) с апгрейдом до Team не нужен — 20–40 статей закрываются в Basic и Plus. Iris.ai с необъявленной ценой Scholar plan и enterprise-циклом продажи в этот бюджет не помещается физически.

Сценарий 1: pharma R&D с on-prem-требованием. Компания разрабатывает новую молекулу, вся work-in-progress документация подпадает под коммерческую тайну и внутренний compliance-протокол. Iris.ai через Enterprise Solution ставит Neuralith™ и Axion™ в собственный ЦОД клиента: 160+ млн внешних научно-технических документов + внутренние патенты и отчёты интегрируются в AI-агентов внутри периметра. Elicit как SaaS исключён по политике безопасности с первой строки договора.

Сценарий 2: R&D-мониторинг патентов и техтрендов. R&D-директор химического концерна хочет каждый понедельник получать digest: какие новые патенты и препринты вышли на прошлой неделе по his target-темам, что делают конкуренты, какие есть white spaces. RSpace™ построен ровно под это — Focus Filter™ настраивает темы, Autonomous Extraction собирает digest, аналитика трендов рисует движение конкурентов. У Elicit такого мониторингового формата нет — он про разовые исследовательские вопросы, а не про еженедельное наблюдение за областью.

Сценарий 3: enterprise knowledge base из внутренней документации. Инжиниринговая компания хочет, чтобы её техотчёты, стандарты и внутренние базы данных были доступны AI-агенту, который отвечает инженерам на конкретные вопросы. Neuralith™ построен как enterprise-RAG с многоуровневой обработкой — 20 лет корпоративной документации становятся живым источником для чат-агентов. Elicit как публичный research assistant это не покрывает: у него нет ingestion внутренних корпоративных корпусов и нет API-first-философии.

Сценарий 4: государственное R&D в EU с data residency в EEA. Норвежское госагентство или европейский исследовательский центр под FP-программой требует, чтобы все данные оставались в EEA и обработка шла в европейском правовом поле. Iris.ai как норвежская компания — естественный выбор: GDPR-native, on-prem, EU-программа EIC как дополнительное признание. Elicit как US-based компания в такой закупке сразу отсеивается по data-residency-правилу.

Мария, аспирантка медфака МГУ, PhD по кардиологии. Пишет systematic review для журнала, бюджет $500 в год на софт. Рекомендация: Elicit Basic на этапе тестирования, месяц Pro ($49) на пик обзорной работы, потом обратно в Plus ($12/мес) для регулярных проверок литературы. Iris.ai не для неё: enterprise-цикл продажи не работает под индивидуальный академический бюджет.

Александр, директор R&D фармкомпании в Швейцарии. Бюджет $200k на R&D-платформу, требование on-prem, интеграция во внутренние Confluence и SAP. Рекомендация: Iris.ai через Enterprise Solution с Axion + Neuralith + RSpace, sales-цикл 6–8 недель, пилот 3 месяца. Elicit для его задачи архитектурно не подходит.

Наталья, магистрантка социологии в СПбГУ. Пишет магистерскую по цифровой социологии, корпус — в основном русскоязычные ВАК-журналы. Рекомендация: ни Elicit, ни Iris.ai. Для русскоязычной социологии оба слабы. Идти к GigaChat или YandexGPT + Semantic Scholar Free API для англоязычных источников. Пример редкого случая, когда правильный ответ — «ни то, ни то».

Виктор, руководитель лаборатории материаловедения в новосибирском академгородке. Ведёт мониторинг патентов и препринтов по своему направлению, бюджет $10–15k в год через институциональную закупку. Рекомендация: Iris.ai Scholar Plan через demo — если санкционный compliance норвежской стороны позволит. Если не позволит — Elicit Team на 3 места как fallback и параллельно бесплатный Semantic Scholar API для мониторинга.

Елена, редактор медицинского портала, проверяет статьи на достоверность цитирований. Задача — быстрая верификация 20 статей в день. Elicit Plus за $12/мес покрывает потребность в чате с PDF и extraction table. Для контекста цитирований (какое исследование подтверждает, какое опровергает) отдельно понадобится Scite. Iris.ai здесь избыточен по масштабу и цене.