NotebookLM vs Iris.ai 2026: для документов или для R&D

NotebookLM хранит ваши PDF, Iris.ai сканирует мировой R&D. Это два разных продукта в одной категории — и из этого нужно делать первый вывод.

В категории research-ai на AIRatings четыре подгруппы: AI-поиск по научным базам, работа с загруженными документами, верификация цитирований и аналитика + граф знаний. NotebookLM сидит во второй: загружаете PDF, Google Docs, YouTube, аудиофайл — задаёте вопросы по тому, что загрузили. Внешнего поиска нет совсем.

Iris.ai обслуживает четвёртую: норвежская Iris AI AS из Хаслума предлагает три продукта — Axion для безопасного ingest 160+ миллионов внешних научно-технических документов, Neuralith для интеграции корпоративных знаний в LLM-движки и RSpace для мониторинга R&D-трендов и конкурентной разведки. Целевые отрасли — pharma, нефтегаз, materials science, aerospace.

Подведём ось: оба умеют отвечать по документам, но это единственное пересечение. NotebookLM — потребительский продукт Google для одного исследователя или группы. Iris.ai — корпоративная R&D-инфраструктура с custom-интеграциями, on-premises развёртыванием и team training. Сценарии не пересекаются: аспирант с 12 PDF к главе диссертации не пойдёт к Iris.ai, а R&D-команда в фарме, которой нужен мониторинг патентного поля, не пойдёт к NotebookLM.

На графике ниже видно, что прямой конкуренции между сервисами нет. Они оба полезны исследователю, но в разные дни недели и для разных задач.

Из этого следует одна неудобная вещь для рынка: само по себе сравнение «NotebookLM против Iris.ai» — это упражнение для тех, кто ещё не определился с задачей. Если задача — «прочитать и понять 30 загруженных статей» — победитель ясен до начала. Если задача — «следить за передовых публикаций в катализе платины и видеть, кто из конкурентов публикуется» — победитель тоже ясен.

На карте ниже видно, в каких подгруппах оказываются оба сервиса — пересечение между ними только частичное, по подгруппе работы с загруженными документами.

Это означает, что сравнивать их «в лоб» по числу источников или цене бессмысленно: NotebookLM не ищет, Iris.ai не работает за $19.99/мес. Сравнение полезно, если читатель ещё не выбрал, какая задача у него — личный конспект пакета PDF или корпоративный мониторинг по 160 миллионам документов.

Загрузить 30 PDF и спросить «найди три статьи, которые противоречат друг другу по дозировке X» — типовая задача аспиранта вечером в воскресенье. Сервис, который не даёт это сделать за один заход, — не инструмент исследователя.

NotebookLM построен ровно вокруг этого: на ноутбук помещается до 50 источников в Free и до 300 в Plus, лимит на источник — до 500 000 слов. Источниками могут быть PDF, Google Docs / Slides / Sheets, .docx, веб-URL, YouTube (с автоматической транскрипцией), аудиофайлы в форматах mp3, mp4, wav, ogg, opus, aif, aac, изображения. Чат идёт с inline-ссылками: ответ модели подсвечивает фрагменты, из которых он собран, — это критично для проверки и для цитирования.

Iris.ai устроен иначе. Axion — это data ingestion-конвейер для 160+ миллионов внешних научно-технических документов; для частного пользователя «загрузить три PDF и задать вопрос» — это не сценарий продукта. Старый Workbench (collaborative workspace) и Auto-generated Summaries технически позволяют командное чтение литературы, но это часть enterprise-договора, а не «зашёл и работаю». Точных лимитов на сеанс компания не публикует — досье отмечает это в data_gaps.

Перевод графика на язык работы: в один ноутбук NotebookLM Plus помещается типичный systematic review (300 источников — потолок PRISMA для большинства тем). В Free одной диссертационной главой управлять можно (50 PDF), для двух глав — уже придётся разносить по ноутбукам.

Отдельно про мультимодальность: загрузка YouTube с автоматической транскрипцией и работа с аудиофайлами — это не косметика. Если ваш материал — записанные интервью или лекции, NotebookLM их транскрибирует и кладёт в общую модель ноутбука; вопрос к лекции и к статье — один и тот же чат.

«Найди все статьи 2024 года про литий-ионные катоды с допированием марганцем» — вопрос, на который один из этих сервисов не отвечает в принципе.

NotebookLM не ищет научные базы. Это его архитектурное ограничение: модель работает только с теми источниками, которые пользователь сам загрузил в ноутбук. Никакого arXiv, никакого PubMed, никакого elibrary.ru. Если вы хотите NotebookLM в роли «найти и потом проанализировать» — придётся сначала найти руками в Google Scholar или Semantic Scholar, скачать PDF и затем загрузить в ноутбук.

Iris.ai на этой оси работает иначе. В Axion ingest 160+ миллионов научных статей, патентов и технических документов — это масштаб, сравнимый с крупнейшими академическими корпусами. RSpace надстраивается сверху: мониторинг трендов, обнаружение конкурентных публикаций, систематический обзор передовых работ в узкой нише. Focus Filter (патентованная фича Iris.ai) даёт интерактивную карту концептов: вы выбираете релевантные узлы, выборка автоматически сужается.

Цифра «0 против 160M+» — не риторика, а описание архитектуры. Это означает, что для задачи «исследовать незнакомую тему с нуля» нужен Iris.ai (или Semantic Scholar / Elicit / Scite — соседи по категории). Для задачи «понять то, что я уже скачал» — NotebookLM. Спутать сценарии — потерять день.

Поведенческое следствие: команды, которые используют Iris.ai в pharma и materials science, чаще всего применяют его как «слой раннего обнаружения» — он показывает им новые публикации и патенты, а уже найденные статьи команда может анализировать дальше в любом удобном инструменте. NotebookLM в такой связке — второй этап, не первый.

Загрузили 12 статей по теме главы — нужно к утру вспомнить, что в каждой важно. Briefing Doc и Study Guide делают это за пять минут, если они есть.

Один из главных контрастов: NotebookLM генерирует готовые «исследовательские шаблоны» прямо из ноутбука. Briefing Doc — короткая дайджест-сводка по всем источникам, удобная как первый screen. Study Guide — структурированный план для самостоятельного изучения с вопросами и ключевыми терминами. FAQ, Timeline и Table of Contents — три более узких формата, каждый запускается одной кнопкой. Для англоязычных источников качество — высокое; на русскоязычных PDF Briefing Doc и FAQ работают, но с явной потерей точности в терминологии.

Iris.ai в досье заявляет Auto-generated Summaries и Autonomous Extraction. Это объективно есть, но компания не публикует образцов вывода в открытом доступе и не описывает форматы детально — продукт корпоративный, демо идёт через sales. В data_gaps мы это фиксируем: проверить качество суммаризации Iris.ai на конкретном PDF без enterprise-договора невозможно.

Сравнительная мысль: NotebookLM выигрывает не «более умной» суммаризацией, а тем, что у него готовы пять разных шаблонов вывода и переключение между ними — это один клик. Для аспиранта это бытовой workflow: «дай Briefing Doc по этим пяти статьям» — «теперь Timeline по тем же» — «теперь FAQ для лекции». Iris.ai архитектурно про другое — про систематическое извлечение данных в корпоративный pipeline, а не про утренний дайджест.

Deep Research-режим NotebookLM (добавлен в 2025) добавляет ещё один слой: модель сама проводит многошаговый поиск внутри загруженных источников и собирает структурированный ответ — это полезно для длинных мультидокументных запросов.

На диаграмме ниже — какие форматы суммаризации предлагает каждый сервис. Это не «качество», а ширина набора: одиночный исследователь увидит разнообразие в NotebookLM, R&D-команда — в Iris.ai.

Для одной диссертации хватит Briefing Doc и Study Guide от NotebookLM. Для систематического обзора по 200 статьям Iris.ai с её autonomous extraction окажется ближе к рабочему процессу — но это уже другой бюджет и другой контракт.

Систематический обзор литературы — это не «прочитать 30 статей», это PRISMA-флоу: поиск, скрининг, дедупликация, извлечение данных, синтез. Один из этих сервисов на это претендует, другой — нет.

NotebookLM на эту задачу не нацелен. Он отлично работает с уже подобранным корпусом, но PRISMA-флоу начинается раньше: нужен поиск по базам, фильтры по journal / year / citation count, экспорт в Rayyan или Covidence. У NotebookLM этого нет — он начинается там, где systematic review уже наполовину готов.

Iris.ai позиционирует RSpace как R&D intelligence platform, и для корпоративных команд фармы и материаловедения это часть workflow. Focus Filter сужает выборку по концептам, Autonomous Extraction вытаскивает данные в структурный формат, Workbench даёт командное пространство. Но и здесь честно: явных описаний PRISMA-совместимости, дедупликации или прямого экспорта в Covidence в публичных материалах нет — это часть enterprise-демо.

Что это значит на практике для одного аспиранта: ни тот, ни другой не закрывают systematic review «под ключ». Для PRISMA-обзора в академической среде канонический набор — Semantic Scholar / Elicit для поиска и Covidence / Rayyan для скрининга. NotebookLM хорошо встраивается как «финальная сборка» — структурировать найденное и собрать Briefing Doc. Iris.ai встраивается как «корпоративный layer» — для команд, у которых обзор литературы это процесс, а не разовая задача.

Заявленный Iris.ai результат — «экономия 75% времени исследователя при специализированном cross-disciplinary анализе» — взят из стороннего обзора и относится к сценариям enterprise R&D, а не к академическим systematic reviews. Использовать эту цифру как универсальный ориентир мы бы не стали.

На карточке ниже — две цифры рядом: одна про отсутствие функции, вторая про маркетинговое обещание. Полезно держать их в одном кадре, чтобы не путать заявленное с измеренным.

Для PRISMA-обзора по медицинской теме ни один из этих сервисов не закроет задачу самостоятельно: придётся подключать Covidence или Rayyan для дедупликации и скрининга. У NotebookLM — потому что нет режима. У Iris.ai — потому что 75% относятся к корпоративной аналитике, не к академическому SR.

Загрузили 80-страничный отчёт перед перелётом — есть час до посадки. Audio Overview делает по нему 5-минутный подкаст-диалог, который реально слушать в самолёте.

Это уникальная фича NotebookLM, не имеющая аналога в Iris.ai. Audio Overview генерирует короткую аудио-дискуссию двух AI-персонажей, которые обсуждают содержимое ноутбука в стиле подкаста. Длина — несколько минут на типовой документ, языков поддерживается 50+ (русский входит, выбирается через Output Language). На Free-тарифе — 3 Audio Overview в день, на Plus — 20, на Ultra — соответственно больше.

Video Overview — параллельный формат: короткое анимированное видео-резюме ноутбука. Языков поддерживается 80+. У бесплатного тарифа на сгенерированных Slide Decks и Infographics есть водяной знак; чтобы его убрать — нужен Ultra ($249.99/мес).

Iris.ai таких форматов не делает. Это не упрёк: Axion / Neuralith / RSpace решают задачи корпоративного R&D, где аудио-дискуссия по 160 миллионам документов не имеет смысла. Просто стоит понимать: если для вас «послушать дайджест по 10 PDF на пробежке» — реальный сценарий, то выбора нет, это NotebookLM.

Отдельно для русскоязычной аудитории: Output Language настраивается, и Audio Overview честно работает на русском. Качество интонации и связности — близкое к английскому варианту; «акцент» AI-голоса в русском — есть, но не блокирующий. Это лучше, чем большинство западных сервисов категории, которые на русском молчат вообще.

Русскоязычные научные источники — отдельная боль категории. Большинство западных сервисов их не индексируют, а ответы на русский запрос дают «через перевод».

NotebookLM в этом вопросе — на удивление приличный среди западных. UI преимущественно английский, но это решаемая проблема: ответы в чате модель даёт на языке запроса, и для русскоязычного PDF Briefing Doc, FAQ и Timeline собираются на русском. Транскрипция русских аудиофайлов работает — это не маркетинг, это рабочий сценарий. Audio Overview через Output Language честно выходит на русском; Video Overview покрывает 80+ языков, русский в их числе.

Iris.ai в этом параметре заметно слабее. Сервис ориентирован на западный B2B R&D — фарма, материалы, нефтегаз, aerospace — и индексирует преимущественно англоязычные научные базы и патентные корпуса. Качество ответов на русский запрос в досье оценено как «слабое»: ни RSpace, ни Neuralith не позиционируются как инструменты для русскоязычной литературы. Это не значит, что они не работают вообще, но русскоязычный корпус — не их рынок.

Важный общий минус обоих: ни тот, ни другой не индексируют elibrary.ru и КиберЛенинку. Если вам нужен скрининг русскоязычной академической литературы — никакой западный AI-сервис категории research-ai его не закрывает; здесь приходится работать через eLIBRARY вручную и потом загружать PDF в NotebookLM для разбора.

Маленькая практическая деталь: для русскоязычных PDF NotebookLM чуть лучше работает, если в файле есть text layer (а не картинки страниц). Это очевидное правило для любого AI-инструмента, но для отсканированных диссертаций оно становится блокером — OCR придётся делать отдельно.

На карточке ниже — два сжатых ответа на вопрос «работает ли русский». Полная картина — в основном тексте; визуал нужен для быстрого решения, идти ли в сервис ради русскоязычных источников.

Для русскоязычной диссертации NotebookLM остаётся практически единственным разумным выбором среди пары: вы получаете Audio Overview, FAQ и Briefing Doc на русском по своим PDF. Iris.ai в этом сценарии не подходит — её сила в индексации западных научно-технических корпусов, а не в русскоязычной литературе.

$0 против «оставьте заявку, мы свяжемся» — это не просто разные ценники, это разные категории продукта.

NotebookLM публикует цены открыто и в трёх уровнях. Free — бесплатно навсегда, до 100 ноутбуков, 50 источников на ноутбук, 50 чат-запросов в день, 3 Audio Overview в день; для большинства аспирантов и студентов этого хватает. Plus — $19.99/мес, входит в подписку Google One AI Premium вместе с Gemini Advanced, AI в Gmail и Docs и 2 TB Google Drive; даёт 500 ноутбуков, 300 источников, 500 чат-запросов и 20 Audio Overview в день. Ultra — $249.99/мес, лимиты ×50 от Plus и самая мощная версия Gemini под капотом.

За год это $239.88 на Plus или $2999.88 на Ultra — суммы прозрачные, без сюрпризов. Для студентов США 18+ Plus в первый год — $9.99/мес. В России Google One AI Premium российскими картами не оплачивается, и это отдельный блокер (см. подтему про доступность).

Iris.ai цены не публикует. Free Trial — 14 дней с ограниченным доступом, после этого Scholar Plan описан как «примерно на 60% дешевле Professional», но конкретная цифра — «по запросу». Professional и enterprise-продукты (Axion, Neuralith, RSpace) полностью под кастомными контрактами: integrations, on-premises, training, prompt engineering guidance, CI/CD best practices, мониторинг производительности. Это правильная модель для B2B R&D, но «стоимость владения за год» здесь — функция от размера компании, объёма ingest и числа пользователей, и без демо её посчитать нельзя.

Free-тариф для исследователя — это не «попробуй и купи», это «делай всю работу здесь и не плати». В этой подтеме разница между сервисами максимальная.

NotebookLM Free — это один из самых щедрых бесплатных тарифов в категории research-ai. До 100 ноутбуков; до 50 источников на каждый; до 500 000 слов на источник; 50 чат-запросов в день; 3 Audio Overview в день. Для типичной диссертационной главы (20–40 источников) этого хватает, и платить за Plus имеет смысл только когда вы выйдете за лимит источников или начнёте генерировать больше 3 аудио-дайджестов в день.

Iris.ai Free Trial — 14 дней с ограниченным доступом к Workspace. После этого — Scholar / Professional / Enterprise, всё по запросу. Это honest enterprise-модель, но для одного исследователя без корпоративного бюджета это означает: 14 дней протестировать, дальше — стоп.

Что это значит численно: за год на NotebookLM Free можно сделать 18 250 чат-запросов и 1 095 Audio Overview, ни разу не открыв страницу оплаты. На Iris.ai после 14 дней — ноль, если вы не корпоративный клиент. Это структурное различие, не временная политика: бесплатного продукта для одного исследователя у Iris.ai как стратегии нет.

«У вас есть API?» — первый вопрос разработчика, который хочет встроить сервис в свой pipeline. У обоих ответ одинаковый по форме: «да, но только для корпоративных клиентов».

NotebookLM consumer API не имеет. Это решение Google: NotebookLM позиционируется как продуктовый интерфейс для конечных пользователей, а программная интеграция вынесена в отдельный продукт — NotebookLM Enterprise API на Google Cloud. Документация открыта (docs.cloud.google.com), доступ — через корпоративный контракт Google Cloud.

Iris.ai API доступен для корпоративных клиентов. Открытой документации с endpoint-ами, rate limits и ценами публично нет — это часть демо и контракта. Но Iris.ai в публичных материалах подчёркивает технологический слой: agentic RAG, LLM evaluation, CI/CD для AI-систем и continuous performance monitoring; для R&D-команды, которая интегрирует исследовательский поиск в собственный конвейер, это релевантно.

Перевод на сценарий: индивидуальный разработчик, который хочет автоматизировать «загрузить PDF — получить Briefing Doc», не получит этого ни от того, ни от другого. Скрипт через unofficial API NotebookLM писать рискованно (это нарушение ToS), а у Iris.ai просто нет такого consumer-уровня.

На карточке ниже — короткий ответ на вопрос «можно ли встроить сервис в свой pipeline». Оба варианта корпоративные, потребительского API нет ни у того, ни у другого.

Для одного разработчика, который хотел бы скриптом обрабатывать загруженные PDF и получать Briefing Doc через cron, оба сервиса закрыты. Это конкретное ограничение пары: Python-скрипт «прогнать 50 PDF и собрать сводку» через официальные интерфейсы не построить ни на NotebookLM, ни на Iris.ai.

«А с карты Тинькофф оплатить можно?» — для российского пользователя это первый практический вопрос. Ответы на него у двух сервисов разные, но оба неудобные.

NotebookLM Free из России работает: достаточно Google-аккаунта, никакого VPN для большинства функций не требуется. Это редкий приятный сценарий в категории research-ai. Но Plus и Ultra оплачиваются через Google One AI Premium, а Google One российскими картами не оплачивается — это известное ограничение, и обход требует либо иностранной карты, либо подписки через резидента другой страны. Для одного аспиранта в РФ это означает: Free — да, Plus — практически нет.

Iris.ai — норвежская компания, EEA-резидент, технически из России доступна. Free Trial 14 дней пройти можно. Дальше — корпоративный договор, и здесь упирается в санкционный compliance: продажа enterprise-софта в РФ из ЕС — это вопрос, который вендор решает по своей политике, и для российского B2B-клиента это блокер чаще, чем для западного. Личной продажи у Iris.ai нет в принципе, что и делает рассуждение «оплата российской картой» неприменимым.

Для корпоративного R&D «не обучают ли модели на наших патентных черновиках» — главный вопрос. Здесь у двух сервисов разные сильные стороны.

NotebookLM по заявлению Google не использует пользовательские данные для обучения моделей по умолчанию (детали — в Google Workspace TOS и Google One условиях). Хранение — в Google Cloud, регион по умолчанию — США. Google Cloud сертифицирован по SOC 2 Type II и GDPR, DPA доступен для Enterprise-клиентов. Это сильная позиция, но регион хранения по умолчанию в США — для российских и европейских регулируемых индустрий часто не подходит без отдельного соглашения.

Iris.ai как норвежская EEA-компания — GDPR-native: обработка данных в Европе, юрисдикция Норвегии (EEA). On-premises развёртывание официально предлагается — это критично для фармы, государственных R&D и любых отраслей с регуляторными требованиями к data residency. SOC 2 Type II на май 2026 публично не подтверждён — это в досье в data_gaps.

Долгосрочный исследовательский проект на сервисе, который закроется через два года, — это потерянный workflow и потерянная библиография. Risk closure здесь важнее, чем кажется.

NotebookLM принадлежит Alphabet — это самая крупная подушка финансирования из возможных. С другой стороны, Google известен своей «свалкой» закрытых продуктов, и история показала: ресурсы родителя не гарантируют долговечность. На стороне NotebookLM работают два фактора: сильный пользовательский рост с момента публичного бета-запуска в 2023 и отдельный Enterprise-трек, выпущенный в 2025, — это снижает риск закрытия, но не обнуляет его.

Iris.ai основана в 2015 — это 10+ лет на рынке. Series A на €7.64M, лид-инвестор Silverline Capital, со-инвестор — European Innovation Council Accelerator Fund. EIC — европейская программа поддержки deep-tech стартапов, и наличие EIC-гранта в раунде — это сигнал технологической зрелости, а не «вот-вот выйдут на IPO». Размер компании небольшой (точно публично не публикуется), но устойчивая B2B-ниша и смена продуктового фокуса на Axion / Neuralith / RSpace показывает стратегическую гибкость.

Адресные рекомендации в финале — самое полезное место обзора. Здесь мы кладём шесть профилей и для каждого даём один ответ.

Если вы аспирант или магистрант и работаете с пакетом из 20–300 PDF — это профиль для NotebookLM. Бесплатный тариф закрывает большую часть случаев: 50 источников × 100 ноутбуков и 50 чат-запросов в день. Plus имеет смысл, когда вы выходите за 50 источников на ноутбук или регулярно используете больше 3 Audio Overview в день.

Если вы R&D-аналитик в фарме, материаловедении или нефтегазе и вам нужно следить за передовых публикаций в узкой нише — это профиль для Iris.ai. RSpace для мониторинга трендов и конкурентной разведки, Axion для безопасного ingest внешних научно-технических документов, Workbench для команды. Стоимость считается через демо.

Если у вас регуляторное compliance-ограничение (pharma, государственные R&D, требование data residency в ЕС) — выбора практически нет, on-premises у двух сервисов есть только у Iris.ai. NotebookLM в таком сценарии не подходит независимо от качества.

Если вы в России и бюджет нулевой — берите NotebookLM Free. Это единственный сценарий, в котором вы получите рабочий research-AI без иностранной карты и без VPN.