NotebookLM против Elicit 2026: ассистент по своим PDF или поиск по 138 млн статей

В категории «Исследования и работа с источниками» четыре подгруппы: поисковики по научным базам, инструменты для работы с загруженными документами, верификаторы цитирований и графы знаний. NotebookLM и Elicit пересекаются ровно в одной подгруппе — работе с документами, а во всём остальном расходятся.

NotebookLM ничего не ищет во внешних базах. Источники приносите вы сами — до 50 на ноутбук в Free и до 300 в Plus. Дальше он отвечает на вопросы по ним, ставит ссылку на конкретный фрагмент источника и собирает Study Guide, Briefing Doc, Timeline и FAQ. Под капотом — модели Gemini, контекст на уровне Gemini 1.5 Pro (около 1 млн токенов).

Elicit заходит с обратной стороны. У него есть собственный корпус — 138 млн научных статей и 545 000 клинических испытаний. Вы формулируете исследовательский вопрос, Elicit находит релевантные работы и раскладывает их в таблицу извлечения по полям: методология, выборка, размер N, результаты, ограничения.

Пересечение единственное: оба примут загруженный PDF и ответят по нему. Но NotebookLM решает «разбери то, что у меня уже есть», а Elicit — «найди и просей то, чего у меня ещё нет». Ставить их в лоб «кто лучше» — всё равно что спорить, что лучше: сканер или поисковик. Мы держим обе подписки и переключаемся между ними внутри одного проекта.

Вы только начали тему и не знаете ни одной статьи. Нужно за час понять, кто и что писал — и есть ли вообще предмет для обзора.

Здесь разница не в качестве, а в наличии функции. Elicit — поисковик по 138 млн статей с семантическим поиском: вы задаёте вопрос по смыслу, а не подбираете ключевые слова, и получаете релевантные работы с автоматической суммаризацией каждой. Корпус собран на базе Semantic Scholar, PubMed и arXiv (полный список Elicit не публикует).

NotebookLM внешнего поиска не имеет вовсе. Он не знает ни одной статьи, пока вы её не загрузили. Для задачи «найди мне литературу по теме» он бесполезен — это видно сразу, как только пытаешься спросить его о том, чего нет в ноутбуке: он честно отвечает только по вашим источникам.

Поэтому на оси поиска счёт односторонний. Elicit закрывает первый и самый трудоёмкий этап исследования — скрининг сотен незнакомых работ. У NotebookLM этого этапа нет в принципе: он подключается уже после того, как вы сами собрали корпус. Мы ставим NotebookLM низкий балл здесь не в наказание, а потому что функции просто нет.

У Elicit есть и второй слой данных, которого почти нигде не встретишь, — 545 000 клинических испытаний рядом со 138 млн статей. Для медицинской и фарма-темы это значит, что поиск идёт не только по публикациям, но и по самим протоколам исследований. Полный список баз Elicit не раскрывает, но семантический подход тут важнее перечня: вы описываете задачу обычными словами, а не угадываете точную терминологию автора. NotebookLM на тот же запрос ответит «в загруженных источниках ничего не нашлось» — и будет прав, потому что искать ему попросту негде.

У вас уже на руках 25 PDF, три договора и пара роликов с лекциями на YouTube. Нужно задавать им вопросы, а не пересказывать вручную.

Тут лидирует NotebookLM. Он принимает PDF, Google Docs, Slides, Sheets, .docx, изображения, веб-URL, ролики с YouTube (по субтитрам) и аудиофайлы — последние транскрибируются прямо при загрузке. Лимит на источник — 500 000 слов, а на каждый ответ он вешает inline-ссылку на конкретный фрагмент, откуда взята мысль. Это снимает главную тревогу при работе с ИИ: можно ткнуть в источник и проверить.

Мультидокументные вопросы — сильная сторона: «найди противоречия между этими тремя статьями» он отрабатывает, синтезируя ответ по всем источникам и помечая, из какого взято. В 2025 добавили режим Deep Research — многошаговый поиск уже внутри загруженных материалов.

Elicit тоже умеет в чат с документом (Chat with Paper) и мультидокументные вопросы, но только внутри таблицы извлечения и с жёсткими лимитами на бесплатном тарифе: одновременно в чате — до 4 статей, загрузка — 20 PDF в месяц. Форматов он принимает меньше: YouTube и аудио — не его задача. Сильная сторона Elicit не в широте форматов, а в структуре ответа, о которой ниже.

Одна оговорка про NotebookLM, о которой стоит знать заранее: при импорте PDF Google не подтягивает комментарии и сноски. Если вы работаете с вычитанным договором, где половина смысла в полях на полях, эти пометки в ноутбук не попадут — придётся выносить их в основной текст до загрузки. Зато лимит в 500 000 слов на источник настолько велик, что упереться в него на обычной статье или книге практически нереально: мы грузили целые методички и монографии одним файлом.

Конспект статьи нужен не «о чём она вообще», а с сохранёнными числами, методом и выводом — чтобы потом не открывать оригинал заново.

Оба сервиса суммаризируют, но по-разному. NotebookLM строит конспект и Briefing Doc по загруженным источникам и держит inline-ссылки на фрагменты — пересказ можно сверить с абзацем оригинала в один клик. Для хорошо структурированных англоязычных источников Study Guide и FAQ получаются аккуратными.

Elicit суммаризирует каждую найденную статью автоматически прямо в выдаче и умеет кросс-статейный синтез по теме (на платных планах). Его пересказ заточен под научную карточку: вопрос, метод, результат. На бесплатном тарифе синтез ограничен четырьмя статьями за раз.

Где обоим тяжело — нюансные числа и оговорки внутри метода. По данным исследования точности Elicit, дословное извлечение он держит на 99,4%, но на нюансных переменных (например, величины эффекта вмешательства) совпадение падало до 45,7%. Это честный сигнал: суммаризацию любой из сервисов делает, но критичные цифры по-прежнему сверяйте с оригиналом. NotebookLM тут спасает ссылкой на абзац, Elicit — структурой карточки.

Есть и разница в форматах вывода. NotebookLM, помимо обычного конспекта, сам собирает Study Guide, Table of Contents, Timeline и FAQ по загруженным источникам — это удобно, когда тему надо не пересказать, а разложить по полочкам для подготовки к экзамену или брифингу. Elicit в эту сторону не идёт: его вывод заточен под исследовательский синтез по многим статьям, причём кросс-статейный синтез открывается только на платных планах. Грубо говоря, NotebookLM лучше «объясняет», Elicit лучше «систематизирует».

Систематический обзор — это не чтение, а таблица: 60 статей в строках, методология и выборка в колонках. Заполнять руками — две недели.

Это коронная функция Elicit — Extraction Table. По исследовательскому вопросу он находит работы и сам заполняет таблицу по выбранным полям: методология, выборка, размер N, результаты, ограничения, плюс любые ваши пользовательские колонки. Отчёт — до 80 статей за раз.

По точности есть конкретные цифры из рецензируемых работ 2025 года: 99,4% правильных извлечений в одном исследовании (1502 из 1511 полей) и 45,7% частичного совпадения на нюансных переменных в другом. То есть базовые поля он тянет почти безошибочно, а тонкие смысловые — требуют проверки. Для скрининга это всё равно радикально быстрее ручного чтения.

NotebookLM структурированного извлечения в таблицу не делает. Он ответит на вопрос «какая выборка в этой статье» в чате, но не построит матрицу из 60 строк с колонками PICO — придётся копировать ответы руками. Для одного-двух документов терпимо, для систематического обзора — нет. Поэтому на оси извлечения Elicit впереди с отрывом.

Главное преимущество Extraction Table — произвольные колонки. Стандартными полями (метод, выборка, N, результаты, ограничения) дело не ограничивается: вы добавляете собственные, например «доза препарата» или «страна выборки», и Elicit заполняет их по всем 80 статьям отчёта разом. Именно эта связка «нашёл + разложил по вашим полям» отличает research-инструмент от обычного чат-бота, который пересказывает один файл за раз. На NotebookLM аналог пришлось бы собирать вручную: задать один и тот же вопрос к каждому источнику и руками переносить ответы в таблицу.

PRISMA-диаграмма, критерии включения и исключения, дедупликация — формальные требования к систематическому обзору, без которых его не примут в журнал.

Elicit построен под эту задачу. В 2025 у него появился режим Systematic Review со строгими критериями скрининга и мини-PRISMA прямо в отчёте. По отзывам пользователей он сокращает время на систематический обзор до 80%. Несколько рецензируемых работ в JAMA, PMC и Cochrane оценивали именно его пригодность для систематических обзоров — редкий случай, когда инструмент проверяли академически.

NotebookLM таких функций не имеет: ни PRISMA, ни автоматической сортировки по включению/исключению, ни дедупликации, ни экспорта под Covidence или Rayyan. Он может помочь прочитать уже отобранные статьи, но сам процесс скрининга на нём не закроешь.

Важная оговорка для обоих: даже Elicit редко закрывает обзор «в один клик». Корпус нужно дополнять ручным поиском по PubMed и Web of Science, а нюансные извлечения — проверять. Но как стартовая платформа для PRISMA-совместимого скрининга Elicit здесь без конкурента в этой паре.

Строгие критерии скрининга (strict screening criteria) Elicit добавил в 2025-м — это попытка приблизить автоматическую сортировку к требованиям академических рецензентов, которые не примут обзор с размытыми правилами включения. NotebookLM такой логики не предлагает вовсе: дедупликации нет, экспорта под Covidence или Rayyan нет, формального протокола отбора нет. Он может стать вторым шагом — прочитать и обсудить уже отобранные статьи, — но первый, самый ответственный для методологии шаг, на нём не выполнить. Поэтому разрыв в оценках здесь не про вкусовщину, а про наличие целого класса функций.

Половина ценности клинической статьи — в таблице результатов и графиках. Если сервис их «не видит», он пересказывает только текст вокруг.

Elicit в начале 2025 добавил извлечение данных из таблиц в PDF — это его прицельная фича для клинических исследований, где главные числа живут именно в таблицах. В связке с Extraction Table это значит, что величины из таблицы статьи попадают в вашу сводную матрицу, а не теряются.

NotebookLM принимает PDF и изображения и отвечает по их содержимому, но отдельной документированной функции «вытащи данные из таблицы в PDF» у него нет — Google это как возможность не заявляет. Поэтому по этому параметру мы ставим ему нейтральные 5: функция работы с PDF есть, прицельного извлечения табличных данных в спецификации нет, и выдумывать его мы не будем.

С формулами и LaTeX ситуация у обоих скромнее и публично не описана ни одним — это общая слепая зона категории. Но по таблицам, которые для научной работы важнее всего, у Elicit есть заявленная фича, а у NotebookLM — нет. На нашем тесте клинических PDF Elicit аккуратнее переносил числа из таблиц в сводку.

Стоит уточнить, что NotebookLM формально принимает и изображения, и PDF, и отвечает по их содержимому — то есть «видит» страницу с таблицей. Но «увидеть» и «достать структуру таблицы в строки и колонки» — разные вещи. Прицельной функции «извлеки данные из таблицы» Google не заявляет, поэтому строить на этом систематический сбор чисел мы бы не стали и оцениваем параметр нейтрально, без додумывания. У Elicit же извлечение из таблиц встроено в Extraction Table: число из таблицы статьи сразу оказывается в нужной ячейке вашей сводной матрицы, а не в пересказе вокруг таблицы.

Вы пишете обзор на русском, источники — ВАК-журналы и КиберЛенинка, а итог нужно надиктовать на прогулке в виде аудио на русском.

Для российского читателя расклад неожиданный: тут выигрывает NotebookLM. Он генерирует Audio Overview на 50+ языках и Video Overview на 80+ языках, включая русский (через Output Language), отвечает в чате на языке запроса и транскрибирует русскоязычное аудио при загрузке. UI пока преимущественно английский, но контент он отдаёт по-русски — а главное, работает по вашим русским PDF, которые вы сами загрузили.

У Elicit с русским слабо. Его корпус на 95%+ англоязычный, русскоязычные источники в базе практически отсутствуют, русского UI нет. Для поиска по русской науке он почти бесполезен: вы просто не найдёте в нём elibrary.ru и ВАК-журналы. Это прямое следствие того, что его сила — внешний поиск, а внешняя база у него английская.

Получается зеркальная логика всего обзора. NotebookLM не зависит от языка базы, потому что базы у него нет — он работает с тем, что принесли вы, хоть на русском, хоть на казахском. Elicit упирается в язык своего корпуса. Поэтому для русскоязычного исследователя NotebookLM практичнее, хотя ни один из них не индексирует российские научные базы.

Уточним границу честно, без переоценки. UI у NotebookLM остаётся преимущественно английским, и про индексацию elibrary.ru или КиберЛенинки речь не идёт ни у того, ни у другого — внешнего поиска по русской науке здесь нет вовсе. Но для типового сценария российского читателя — «у меня двадцать русских PDF, помоги разобрать и сделай аудио-конспект на русском» — NotebookLM реально работает, а Elicit просто не про это.

Бюджета у студента нет, а тема горит. Вопрос простой: что из этого реально работает бесплатно и навсегда, а не семь дней триала.

Free-тарифы есть у обоих, и оба — не триал, а постоянные. NotebookLM Free даёт до 100 ноутбуков, 50 источников на ноутбук, 500 000 слов на источник, 50 чат-запросов в день и 3 Audio Overview в день. Для студента, который разбирает свои материалы, этого хватает с запасом — мы месяцами не упирались в лимиты.

Elicit Basic (Free) бесплатно даёт безлимитный поиск по 138 млн статей, чат и суммаризацию до 4 статей одновременно и извлечение по 20 PDF в месяц с таблицей на 2 колонки. То есть искать литературу можно сколько угодно, а вот глубоко извлекать данные — упрётесь в 20 PDF и 2 колонки.

Разница в философии бесплатного. NotebookLM щедр на объём работы с вашими источниками, но не ищет. Elicit щедр на поиск, но скупее на извлечение. Для «прочитать своё» бесплатно сильнее NotebookLM, для «найти чужое» бесплатно — Elicit.

У бесплатного входа есть и продолжение — на случай, когда лимиты начнут жать. У NotebookLM следующая ступень — Plus в составе Google One AI Premium за $19.99 в месяц (студентам США первый год — $9.99); у Elicit платный Plus стартует с $12 в месяц и снимает потолок в 4 статьи за раз. Зайти бесплатно можно к обоим, а вот платить за рост придётся по разной логике: у NotebookLM — за весь пакет сервисов Google, у Elicit — точечно за исследовательские лимиты.

Считаем не цену подписки в месяц, а сколько уйдёт за год при вашем реальном режиме работы — и что в эту сумму ещё входит.

NotebookLM Plus продаётся не отдельно, а внутри Google One AI Premium за $19.99/мес — это около $240 за год, но в пакет входят ещё Gemini Advanced, ИИ в Gmail и Docs и 2 ТБ Google Drive. Студентам США 18+ — $9.99/мес в первый год. Самый дорогой уровень, NotebookLM Ultra в составе Google AI Ultra, стоит $249.99/мес и поднимает лимиты в 50 раз — это нишевый план для тяжёлых сценариев.

Elicit устроен по-исследовательски гранулярно. Plus — $12/мес или $120/год, Pro — $49/мес или $499/год (это он открывает безлимитные колонки в таблице, режим Systematic Review и отчёты до 80 статей), Team — $79 за место в месяц при минимум двух местах. То есть вход в платный Elicit дешевле ($120/год), но главная для обзоров функция живёт на уровне Pro за $499/год.

Прямого сравнения «дешевле/дороже» нет, потому что в цену зашиты разные вещи: у NotebookLM — целый пакет Google-сервисов, у Elicit — глубина именно исследовательских функций. Если Google-экосистема вам и так нужна, $240 за NotebookLM Plus частично «бесплатны». Если нужен только research-функционал — платить за весь пакет Google ради NotebookLM нелогично.

Вы строите внутренний пайплайн в R&D-команде: дайджест по новым статьям должен прилетать в ваш сервис автоматически, без ручных кликов.

Здесь оба слабы, и это честно надо сказать. У NotebookLM нет публичного consumer-API: программно дёргать его из своего кода индивидуальный разработчик не может. Есть только NotebookLM Enterprise API в Google Cloud — отдельный корпоративный продукт с ценой по запросу.

У Elicit публичный API на сайте не описан; возможен enterprise-доступ, но это не подтверждено публично. Для воспроизводимого пайплайна это означает то же самое: из коробки автоматизировать нельзя, нужно идти в корпоративные переговоры.

Поэтому мы ставим обоим низкие баллы, а Elicit — на балл ниже: у NotebookLM хотя бы есть документированный Enterprise API, а у Elicit само наличие публичного API остаётся в зоне неизвестности. Если API критичен для вашей задачи, в этой паре его, по сути, нет ни у кого — смотрите в сторону сервисов с открытым академическим API.

Вы в России, без корпоративного VPN, и хотите понять: получится ли вообще зайти и заплатить — или упрётесь в отклонённую карту.

Зайти можно в оба, заплатить — почти никак. NotebookLM (продукт Google) доступен в бесплатной версии при наличии Google-аккаунта; Google-сервисы в РФ официально не заблокированы. Но Plus идёт через оплату Google One, которая российскими картами не принимается — то есть платный уровень для РФ-карты закрыт.

Elicit технически открывается через браузер, специфических блокировок не зафиксировано, а Free-план не требует ни оплаты, ни даже отдельной регистрации сверх email. Платить тоже не выйдет: инфраструктура на Stripe, российские карты не проходят. Зато бесплатный Elicit при этом отдаёт полноценный поиск по 138 млн статей без оплаты.

Чуть выше балл мы даём Elicit ровно за это: его бесплатный сценарий самодостаточен и доступен с меньшим трением — зашёл и ищешь. У NotebookLM бесплатная версия тоже работает, но требует Google-аккаунта, а самая заметная фича (расширенные лимиты Plus) для РФ-карты недостижима.

Вы загружаете в сервис непубличный препринт или конфиденциальный отчёт. Первый вопрос юриста: на нём не будут обучать чужую модель?

У NotebookLM ответ конкретный и подкреплён сертификациями. Google заявляет, что данные в NotebookLM по умолчанию не используются для обучения моделей; инфраструктура Google Cloud сертифицирована по SOC 2 Type II и GDPR, для Enterprise доступен DPA. Потребительские данные хранятся в Google Cloud (регион по умолчанию — США).

У Elicit формулировки мягче и проверяемых сертификатов в досье нет. Как Public Benefit Corporation он декларирует осторожное обращение с данными, детали — в Terms of Service и Privacy Policy, компания US-based. Но политика хранения данных (data retention) публично не опубликована, явного SOC 2 Type II в материалах нет.

Поэтому для корпоративного R&D и юристов NotebookLM здесь спокойнее: есть конкретные сертификаты, которые можно показать службе безопасности. Elicit мы оцениваем нейтрально и помечаем непрозрачность как минус — не потому что он что-то нарушает, а потому что по retention нечего предъявить. Выдумывать за него политику мы не будем.

Вы строите трёхлетний исследовательский проект и не хотите, чтобы инструмент закрыли на середине. Вопрос — кто из двоих доживёт.

Финансово это разные весовые категории. За NotebookLM стоит Alphabet с капитализацией более $2 трлн — ресурсы фактически неограничены, и под продукт уже выделен отдельный Enterprise-трек, что снижает риск тихого закрытия. Обратная сторона известна: у Google длинное кладбище закрытых продуктов, так что гарантий вечной жизни нет и здесь.

Elicit — стартап, но с понятной траекторией: $9M seed в 2023 (среди ангелов — сооснователи GitHub и Dropbox), $22M Series A в 2025 от Spark Capital и Footwork, всего $31M+. Плюс правовой статус Public Benefit Corporation: компания не обязана максимизировать прибыль и закрепила миссию по улучшению научного рецензирования. Нишу в академических систематических обзорах он нашёл.

Итог: по запасу прочности NotebookLM впереди за счёт владельца, но и риск «Google закроет» реален. Elicit меньше и зависит от следующих раундов, зато сфокусирован и не разменивается. Для долгого проекта мы бы не складывали все яйца в одну корзину и держали экспорт данных под рукой у обоих.

Вы хотите сослаться на инструмент в методологическом разделе статьи. Рецензент спросит: а его кто-нибудь проверял всерьёз?

У Elicit здесь редкое преимущество — его проверяли академически. Несколько рецензируемых работ в JAMA, PMC и Cochrane оценивали именно Elicit для систематических обзоров, его используют исследователи в медицине, социальных и технических науках. Для упоминания в методологии это весомее блогерских обзоров: на инструмент есть рецензируемые ссылки.

NotebookLM известнее широкой публике: его активно разбирают NYT, TechCrunch, 9to5Google, он популярен в академических и корпоративных сценариях. Но инструмент слишком новый для зрелой базы отзывов на G2 и Capterra и для солидного слоя рецензируемых оценок именно как research-инструмента.

Разница предсказуемая: Elicit рос внутри академического сообщества и там же получил проверку, NotebookLM пришёл из потребительского хайпа Google. Для научной репутации в методологическом разделе сильнее Elicit; для широкой известности и быстрого старта без чтения мануалов — NotebookLM.

Где NotebookLM не просто справляется, а откровенно выигрывает — и держать ради этого Elicit нет смысла.

Первый сценарий — у вас уже собран корпус из разнородных источников: PDF, Google Docs, ролики с YouTube, записи интервью. NotebookLM проглотит все форматы и свяжет их в один ноутбук на 50 (Free) или 300 (Plus) источников, чего Elicit с его ориентацией на статьи и лимитом 20 PDF/мес не даст.

Второй — нужен нетекстовый выход: Audio Overview как подкаст по теме на русском или Video Overview. Это уникальная для пары фича: можно «прослушать» свою папку источников на прогулке. Третий — русскоязычные материалы: ответы и озвучка по-русски по вашим документам там, где Elicit с англоязычной базой пас.

Четвёртый — проверяемость: inline-ссылка на конкретный фрагмент источника снимает спор «откуда это взято». Пятый — вы и так в экосистеме Google: drag-and-drop из Drive, Docs и Slides и пакет Google One делают NotebookLM естественным выбором без отдельной подписки.

Шестой сценарий — учебная выжимка из кучи материалов: NotebookLM сам собирает Study Guide, Table of Contents, Timeline и FAQ по загруженным источникам, и это выручает при подготовке к экзамену или брифингу, когда тему надо быстро разложить по полочкам. Седьмой — режим Deep Research, добавленный в 2025: сервис сам ведёт многошаговый поиск уже внутри ваших источников, не заставляя переформулировать вопрос вручную. У Elicit ни того, ни другого нет — его сильная сторона на чужой территории, в поиске и таблице извлечения.

Где Elicit выигрывает так, что NotebookLM просто нечего предложить — и обойтись одним NotebookLM не выйдет.

Первый сценарий — вы в начале темы и не знаете ни одной статьи. Семантический поиск Elicit по 138 млн работ и 545 000 клинических испытаний закрывает скрининг, которого у NotebookLM нет в принципе. Второй — систематический обзор: режим Systematic Review с мини-PRISMA и строгими критериями, до 80% экономии времени по отзывам пользователей.

Третий — таблица извлечения на десятки статей: 80 работ в одном отчёте, произвольные колонки, точность 99,4% на базовых полях. Руками такую матрицу собирают неделями. Четвёртый — клинические статьи с данными в таблицах: извлечение из таблиц PDF (2025) переносит числа в сводку, а не теряет их в пересказе.

Пятый — академическая ссылаемость: Elicit проверяли в рецензируемых работах JAMA, PMC и Cochrane, на него не стыдно сослаться в методологии. Во всех пяти сценариях NotebookLM нечем ответить — у него нет ни внешнего поиска, ни PRISMA, ни таблицы извлечения.

Пять живых профилей — и для каждого один ответ, без «оба хороши». Сначала найдите свой, потом смотрите на сценарии выше.

Аспирант на систематическом обзоре. Ваш инструмент — Elicit Pro: поиск, мини-PRISMA, таблица извлечения на 80 статей. NotebookLM подключите на финале, чтобы вычитать отобранные работы с ссылками на абзац.

Студент, который разбирает свой курс. Берите бесплатный NotebookLM: 50 источников на ноутбук, конспекты, Audio Overview по-русски на прогулке. Платить пока не за что. Корпоративный R&D-аналитик. NotebookLM Plus за compliance (SOC 2 Type II, GDPR) и работу с внутренними документами; для разведки по внешней литературе добавьте Elicit.

Врач-исследователь с клиническими статьями. Elicit ради извлечения из таблиц PDF и 545 000 клинических испытаний в базе. Журналист на русскоязычной теме. NotebookLM: ответы и озвучка по-русски по вашим источникам, тогда как англоязычная база Elicit здесь почти бесполезна. Не покупайте обе подписки сразу — возьмите Free на неделю, затем одну Pro на месяц под конкретную задачу.