Scite vs Iris.ai 2026: цитирования против R&D-платформы

Scite — американский сервис из Нью-Йорка, запущенный в 2018–2019. Ядро — Smart Citations: для каждой научной работы система показывает, как её цитируют другие статьи, деля упоминания на три группы — supporting, contradicting, mentioning. В базе, по данным сайта на 2025 год, 1,6 миллиарда таких классифицированных ссылок, 2 миллиона пользователей и партнёрства с 30+ научными издательствами. Модель распространения — потребительская подписка: от $7,99/мес за Basic до $59,99/мес за Premium+, плюс институциональные лицензии для университетов и библиотек.

Iris.ai — норвежская компания из Осло, основанная в 2015 году. За десять лет она сменила фокус: сначала был потребительский Workspace и Focus Filter, теперь — enterprise-стек из трёх продуктов. Axion занимается безопасным ingestion 160+ млн научно-технических документов. Neuralith вшивает корпоративные знания в LLM-агентов (enterprise RAG). RSpace — R&D-платформа для конкурентной разведки в фарме, материалах и нефтегазе. Потребительской подписки почти не осталось: только 14-дневный trial, Scholar-план (примерно на 60% дешевле Professional) и корпоративные контракты по запросу.

Прямой конкуренции между сервисами почти нет. Scite работает там, где аспирант готовит статью и хочет понять, поддерживает ли научное сообщество ключевое утверждение из его обзора литературы. Iris.ai работает там, где корпоративный R&D-отдел фармкомпании держит систематический мониторинг патентного фронта и просит агента прочитать 10 000 новых препринтов за квартал. Единственный сегмент, где сервисы сталкиваются лбами, — академические группы: Iris Scholar Plan и Scite Premium делят один и тот же кошелёк исследователя, но и тут решают разные подзадачи.

Здесь у сервисов принципиально разные позиции. Scite построен вокруг верификации: Smart Citations для каждой статьи показывает, поддерживается ли она в литературе или наоборот критикуется. Iris.ai такой функции не имеет — она вообще не про цитирование, она про синтез и мониторинг больших массивов документов.

Механика Scite такая. Компания скачивает полные тексты статей у 30+ партнёрских издательств плюс всё, что доступно через Crossref и PubMed. Deep learning-классификатор читает каждое место в цитирующей статье, где встречается ссылка на источник, и решает: автор соглашается (supporting), спорит (contradicting) или упоминает нейтрально (mentioning). В базе 1,6 миллиарда таких классифицированных цитат. Пользователь получает не список ссылок, а картину поддержки: например, «данное утверждение о нейротрансмиттерах поддерживают 47 работ и опровергают 12».

Практическая выгода — три сценария. Первый: Reference Check. Загружаете рукопись, Scite проверяет каждую ссылку в списке литературы: не была ли статья отозвана, как её цитируют другие, есть ли опровергающие работы. Второй: AI Assistant отвечает на научный вопрос со ссылками, где каждая ссылка помечена как supporting или contradicting — в отличие от ChatGPT, где источник вообще может быть выдуман. Третий: определение ретрактированных работ прямо в списке результатов — критично при систематических обзорах.

Для Iris.ai это не провал, а вопрос дизайна. Компания строит платформу для корпоративного мониторинга R&D — там задача другая: не «оцените ли эту ссылку критики», а «покажите, что нового вышло в теме за последний квартал и как это меняет карту темы». Верификацию цитирований в такой пайплайн вставить можно, но у Iris этого модуля нет, и клиенту, которому она нужна, придётся ставить Scite параллельно или интегрировать через API.

Автоматическое извлечение структурированных данных — сильная сторона Iris.ai. В её стек входит Autonomous Extraction: система читает набор документов и заполняет табличные поля («методология», «выборка», «результаты», «ограничения») по каждой статье автоматически. Плюс auto-generated summaries — короткие рефераты, ориентированные не на «краткий пересказ статьи», а на извлечение того, что нужно для следующего шага исследования. У Iris это часть основного продуктового позиционирования — «world-leading AI engine for scientific text understanding», как компания сама себя называет в описании на Sourceforge.

У Scite аналогичного модуля нет. AI Assistant формально отвечает на научный вопрос, опираясь на Smart Citations, но это не тот же самый функционал: Assistant синтезирует ответ по многим ссылкам, а не извлекает структурированные поля из отдельно взятой статьи. Reference Check тоже не про извлечение методологии — он про верификацию ссылок. Пользователь Scite, которому нужна PICO-таблица, кладёт её собой: копирует нужные куски из PDF и вручную заполняет колонки.

Цифру 75% экономии времени, которую Iris.ai заявляет для cross-disciplinary анализа, мы приводим с оговоркой: это заявление вендора, а не результат независимого замера. Реальный выигрыш зависит от того, насколько ваша область попадает в 160 млн документов, которые Iris индексирует, и насколько extraction template совпадает с PICO/CONSORT-полями, знакомыми Autonomous Extraction. Для фармы и материалов совпадение высокое, для гуманитарных дисциплин — уточняйте на trial.

Ни один из двух сервисов не заменяет специализированные PRISMA-платформы Covidence и Rayyan полностью. Оба работают на разных этапах воронки. Iris.ai закрывает шаг «сбор кандидатов + первый скрининг + extraction table»: Axion загружает 160 млн документов, Focus Filter сужает выборку интерактивно по концептам, Autonomous Extraction заполняет табличные поля. Scite закрывает шаг «валидация оставшихся кандидатов»: для каждой прошедшей отбор статьи Smart Citations показывает, ретрактирована ли она, оспаривается ли ключевое утверждение и в каких контекстах.

Присутствие Scite в методологических обзорах инструментов для systematic review подтверждено — сервис упоминается в PMC-статье 2021 года, посвящённой выбору citation-tools для доказательной медицины. Iris.ai в таких обзорах фигурирует реже, но не потому что хуже: её позиционирование — B2B R&D-мониторинг, а не открытая академическая среда, и авторы обзорных статей чаще пишут о доступных бесплатно или дешёвых инструментах.

Ни один из сервисов не заменяет PRISMA-платформу целиком: экспорта в Covidence или Rayyan ни один из dossier явно не подтверждает. Так что даже при связке Iris + Scite финальный этап systematic review — quality assessment и PRISMA-flow diagram — вы делаете либо в специализированном инструменте, либо руками в Excel.

По русскому языку у обоих сервисов ситуация одинаковая — плохая. Обе компании ориентированы на англоязычную научную литературу. Scite опирается на Crossref, PubMed и 30+ англоязычных партнёров-издателей; в обзоре 2025 года на digitalsoftwarelabs.com прямо сказано, что индексация русскоязычных журналов ограничена. Iris.ai в dossier обозначена как «преимущественно английский» — компания норвежская, целевые клиенты в фарме и материалах, где производственная документация тоже на английском.

Что это означает на практике. Аспирант из МГУ, ищущий работы по, скажем, российскому налоговому законодательству, в Scite увидит цитирования только тех статей, которые проиндексированы в западных базах — а это меньшинство журналов из перечня ВАК. Российский inhouse-исследователь фармкомпании при использовании Iris.ai получит хороший мониторинг западных препринтов, но еженедельные обзоры регуляторов ЕАЭС через RSpace ждать не стоит.

Русскоязычного интерфейса у обоих нет. Сайты и админки — на английском, документация — на английском, интеграции — на английском. Для читателя без разговорного английского это дополнительный барьер входа. В обоих dossier дата подтверждения этих ограничений — 2025 и 2026, так что состояние актуальное.

Мы ставим обоим 5/10 не как штраф, а как честную оценку статуса-кво: ни один из сервисов не позиционируется под русскоязычную научную среду. Более высокая оценка была бы фабрикацией — публично ни Scite, ни Iris.ai не заявляют работу с elibrary.ru или КиберЛенинкой.

Разница в порядке величины. Iris.ai в описании продуктов заявляет 160+ миллионов документов, доступных через Axion — научные статьи, патенты, технические отчёты. Это не пользовательская загрузка, а централизованная индексация: команда клиента подключается к готовому корпусу и настраивает семантические фильтры под свою тему. Enterprise-развёртывание допускает интеграцию внутренних документов клиента — техотчётов, патентов, R&D-архивов — в RAG-пайплайн Neuralith.

Scite в этом сегменте живёт скромнее. Прямой загрузки массива своих документов нет — есть только Reference Check, куда пользователь загружает одну рукопись, и сервис проверяет ссылки в её списке литературы. Импорт библиотеки Zotero или Mendeley в Scite даёт Smart Citation overview по коллекции, но это метаданные, а не полный текст: в Scite не отправляются PDF-файлы для запросов «найди мне противоречия в этих 30 статьях».

Оба сценария легитимны и не пересекаются. Аспиранту с одной рукописью 160 млн документов Iris.ai избыточны — ему нужен Reference Check у Scite за $20/мес. R&D-директору фармкомпании Scite не даст механизм поднять внутренние clinical study reports в защищённую RAG-среду — этим занимаются Axion и Neuralith. Ни один сервис не пытается быть универсальным по этому параметру, и это ок.

Scite работает по потребительской модели с публичным прайсом. По данным на 2025 год:

• Free — $0, ограниченный поиск и предпросмотр Smart Citations.
• Basic — $7,99/мес при годовой оплате.
• Premium — $19,99/мес или $100/год (эффективно $8,33/мес), полный доступ к Smart Citations, AI Assistant, Smart Search, Citation Tracker и Reference Check.
• Premium+ — $59,99/мес, расширенные возможности.
• Скидка студентам — 30–50% на платные планы.
• Enterprise — по запросу, для университетов и библиотек.

Iris.ai — противоположная модель. Публичного прайса нет ни для Scholar, ни для Professional. Единственная опубликованная цифра — «Scholar на 60% дешевле Professional», но сам Professional не назван, поэтому реальную цифру считать не из чего. Enterprise (Axion, Neuralith, RSpace) — только по запросу, с обязательной консультацией продаж, opportunity discovery и custom SoW.

В переводе на рубли Scite Premium — примерно 9 000 ₽ за год (по курсу на май 2026), Premium+ — около 65 000 ₽ в год. Это цена, доступная студенту-магистранту при академической скидке. У Iris.ai порядок цен для enterprise публично не раскрывается, но косвенно, судя по позиционированию «полное развёртывание + on-premises + team training + prompt engineering guidance», годовой контракт стартует от десятков тысяч евро.

Scite сохраняет постоянный Free-тариф. По описаниям на elephas.app (2026) он даёт ограниченный поиск, предпросмотр Smart Citations и доступ к тестовым функциям с лимитом просмотров в день. Полный список фич — только по подписке от $7,99/мес, но структурно у пользователя есть возможность зайти в аккаунт через год после регистрации и продолжить работу. Это важно для тех, кто использует research-AI эпизодически: раз в квартал проверить ссылки в новой рукописи, раз в семестр собрать обзор литературы.

Iris.ai постоянного Free-тарифа не имеет. Есть только 14-дневный Free Trial с ограниченным доступом к функциям Workspace — это классический enterprise-onboarding, где триал нужен, чтобы пройти демо и подписать контракт. По истечении двух недель бесплатный доступ пропадает, и следующий шаг — либо Scholar Plan (с ценой по запросу), либо Enterprise Solution.

Scite API работает по коммерческой лицензии — доступ через отдел продаж или партнёрскую программу, тарификация по квоте запросов. Публично известны endpoint-ы для поиска по Smart Citations и получения citation metrics по DOI. Точный ценник, лимиты и rate-limits в dossier зафиксированы как data gap — Scite их не раскрывает на публичной странице. Практически: если нужно раз в сутки проверить 500 DOI на ретракцию и количество supporting/contradicting цитирований — реально; для непрерывного стриминга миллионов запросов в день — уточняйте контракт.

Iris.ai Enterprise API существует и упоминается на официальном сайте как часть пакета Neuralith. Он выведен именно под корпоративный сценарий: не «сходить за одной цитатой», а прошить агентов клиента в его собственный knowledge stack. В deployment входит prompt engineering guidance, CI/CD best practices, continuous monitoring — команда Iris.ai фактически сопровождает пайплайн, а не просто выкатывает endpoint. Endpoints, лимиты и модель ценообразования публично не заявлены — это переговорная зона.

Scite технически доступен из России — сайт не заблокирован, Free-функции работают без VPN. Проблема начинается на этапе оплаты: подписка идёт через Stripe, российскими картами Stripe не обрабатывает платежи. Обходной путь классический — Payoneer, зарубежные виртуальные карты, оплата через партнёра за границей. Институциональные лицензии для российских университетов формально не запрещены, но upstream-провайдеры платёжной инфраструктуры и SWIFT-переводы часто отказывают.

Iris.ai — норвежская компания в EEA. Технически сайт открывается, но потребительской продажи нет вообще: единственный путь после 14-дневного триала — корпоративный договор B2B. Для российской компании это означает санкционный compliance-фильтр норвежской стороны: юрист Iris.ai проверит контрагента и, скорее всего, откажет либо потребует существенных документов. Это не техническое ограничение, а юридическое — характерное для всех EU-компаний, работающих с российским B2B в 2026 году.

Здесь однозначное преимущество Iris.ai. В описании Enterprise Solution на сайте прямо заявлены on-premises опции для регулируемых отраслей: фармацевтика, energy, materials. Это означает полное развёртывание Axion/Neuralith/RSpace в периметре клиента — данные не покидают инфраструктуру, соответствие GDPR обеспечивается data residency, работа с внутренними R&D-архивами не создаёт риска утечки в третий облачный сервис.

Scite такого варианта не предлагает. В dossier зафиксированы облачная модель и институциональные лицензии для университетов, но self-host или on-premises развёртывания в публичных источниках не фигурируют. Для фармкомпании это означает: работать со Scite можно только с публично доступными статьями, а внутренние документы во Reference Check загружать не стоит, если они содержат конфиденциальные результаты клинических исследований или коммерческую тайну.

Scite здесь безоговорочный лидер пары. Официальный Scite Plugin for Zotero доступен бесплатно (репозиторий на GitHub — scitedotai/scite-zotero-plugin) и добавляет в стандартный интерфейс Zotero колонку со Smart Citation-статистикой: напротив каждой статьи видно supporting N / contradicting N / mentioning N. Параллельно — обратная синхронизация: библиотека Zotero или Mendeley импортируется в Scite и даёт Smart Citation overview по всей коллекции.

Дополнительно у Scite работает браузерное расширение для Chrome, Firefox и Edge. Оно показывает Smart Citation-бэйджи прямо на страницах PubMed, Google Scholar и Semantic Scholar — то есть исследователь не переключается между вкладками, а видит статистику в привычной поисковой выдаче. По данным гайдов университетских библиотек (например, Purdue) это одно из самых востребованных расширений в академической среде.

Iris.ai интеграции с Zotero или Mendeley явно не имеет — в dossier зафиксировано именно так. Логика простая: сервис ориентирован на B2B R&D, где корпоративный workflow идёт не через Zotero, а через внутренний DMS или SharePoint. Экспорт из Iris.ai есть, но форматы и детали обсуждаются на демо с enterprise-клиентом, а не публично.

Iris.ai — норвежская компания, юрлицо в EEA, GDPR у неё «native»: обработка данных в Европе, право на удаление, DPA как стандартная часть контракта. Для регулируемых отраслей — фармы, energy, materials — компания предоставляет on-premises развёртывание и работает с compliance-требованиями клиента как с базовой частью SoW. SOC2 сертификация публично на 2026-05 не указана — это data gap, который надо уточнять на демо.

Scite — US-based (Нью-Йорк). GDPR-соответствие обеспечивается через Privacy Policy: EU-пользователи могут запросить удаление данных, а институциональные клиенты подписывают отдельные DPA. Ни on-premises, ни SOC2 отчёта в dossier не подтверждено — публично это не заявлено. Для американского академического заказчика это не проблема (стандартная FERPA-совместимая модель), для европейского фармкорпората — потенциальный красный флаг для юротдела.

Оба сервиса — стартапы с умеренным риском закрытия, но с разной природой устойчивости.

Iris.ai — норвежская компания, основанная в 2015 году, привлекла Series A на €7,64 млн под лидом Silverline Capital и с co-match от European Innovation Council (EIC) Accelerator. EIC-грант — не деньги «на выживание», а знак признания технологии со стороны европейского deep-tech-фонда. За десять лет компания сменила фокус с consumer Workspace на enterprise-стек Axion/Neuralith/RSpace — это стратегическое решение, а не паника. Число сотрудников публично не раскрыто (data gap), но пул продуктов и уровень enterprise-обслуживания говорят о команде порядка десятков человек.

Scite — американский стартап, инвесторы публично не раскрываются. Устойчивость обеспечивается двумя факторами: 2 миллиона пользователей и 30+ партнёров-издательств. Партнёрства с издателями — это не венчурная поддержка, это дистрибуционный канал: пока крупные издательства подписаны, у Scite есть уникальный доступ к полным текстам для Smart Citations. Технология патентная, ниша защищённая.

Сценарий 1. Аспирант готовит рукопись к отправке в журнал. Есть черновик с 60 ссылками, до дедлайна три дня. Задача — убедиться, что среди источников нет ретрактированных работ и что ключевые тезисы не оспариваются в свежей литературе. Reference Check Scite делает это за один прогон: загружаете рукопись, получаете отчёт с флагами по каждой ссылке. Iris.ai для этой задачи не приспособлена — у неё нет модуля верификации цитирований, и аналогичного функционала не заявлено.

Сценарий 2. Библиотекарь университета готовит методичку по evidence-based research. Нужен инструмент, который студенты смогут использовать сами — с Free-тарифом, браузерным расширением и плагином Zotero. Scite здесь безальтернативен в паре: он даёт всё это из коробки, а институциональная лицензия покрывает всю группу. Iris.ai подобной модели дистрибуции для студентов не имеет — только Scholar Plan с ценой по запросу и через отдел продаж.

Сценарий 3. Юрист или журналист проверяет научный факт для публикации. Например, авторы утверждения о безопасности пищевой добавки ссылаются на пять статей. Задача — за час понять, поддерживается ли утверждение в литературе или мнения расходятся. Smart Citations по каждому DOI закрывает вопрос за минуты; AI Assistant отвечает с классифицированными ссылками. У Iris.ai сценарий «одноразовая проверка утверждения» не входит в customer profile.

Сценарий 1. R&D-отдел фармкомпании ведёт непрерывный мониторинг патентного и научного фронта. Задача — каждую неделю получать структурированный отчёт по 200–500 новым публикациям и патентам в целевой терапевтической области, с extraction полей «механизм действия», «фаза испытаний», «результат». RSpace и Autonomous Extraction Iris.ai для этого и созданы. Scite такой пайплайн не строит — Smart Citations хороши для точечной проверки, а не для мониторинга потока.

Сценарий 2. Материалы-инжиниринговая корпорация загружает 20 000 внутренних техотчётов в защищённый RAG-движок. Задача — сотрудник в поле задаёт вопрос «какие ранее протестированные покрытия работали при температуре свыше 800°C» и получает ответ с указанием на конкретные внутренние документы. Neuralith Iris.ai закрывает эту задачу с on-premises развёртыванием, чтобы данные не покидали периметр. Scite в такой контур зайти не может — у него нет ни self-host, ни модели работы с корпоративными документами.

Сценарий 3. Cross-disciplinary R&D-команда работает на пересечении химии, биологии и материаловедения. Задача — найти концептуально связанные работы из областей, которые команда не читает ежедневно. Focus Filter Iris.ai строит интерактивную карту концептов, где можно сужать выборку, кликая на релевантные группы. Scite такого модуля не имеет — его поиск заточен под доказательную область, а не под открытие смежных полей.

Мария, аспирант биофака МГУ, второй год. Пишет литературный обзор по нейробиологии на 60 работ, две трети на английском. Бюджет — стипендия. Мы советуем Scite Premium со студенческой скидкой: с дисконтом 30–50% годовая подписка ($100/год без скидки) выходит $50–70. Reference Check и Smart Citations делают то, чего нет ни у одного бесплатного инструмента. Iris.ai для Марии избыточна: у неё нет бюджета на enterprise-переговоры, а Scholar Plan без публичной цены — тёмная лошадка.

Александр, R&D-директор небольшой российской фармкомпании. Задача — систематический мониторинг патентов и препринтов в трёх терапевтических областях. Мы рекомендуем сначала Iris.ai (Axion + RSpace), но с оговоркой: санкционный compliance-фильтр норвежской стороны в 2026 году, скорее всего, заблокирует контракт. Если так — реалистичный запасной вариант в паре Scite/Iris отсутствует; ищите альтернативы вне неё.

Виктор, PhD-студент по материаловедению в европейском университете. Комбинирует свою тему с смежными областями (химия поверхностей, катализ). Наш выбор — связка Scite Premium для верификации ссылок и Iris.ai Scholar Plan для Focus Filter и Autonomous Extraction. Оба сервиса покрываются грантами кафедры, работа идёт из EEA — санкционных барьеров нет.

Scite забирает нишу: одиночные исследователи, аспиранты, юристы, журналисты, университетские библиотеки. Триггер выбора — «мне надо быстро понять, поддерживается ли научное утверждение в литературе» или «мне надо проверить рукопись на ретрактированные ссылки». Публичный прайс, бесплатный Free-тариф, плагин Zotero и браузерное расширение делают сервис доступным без переговоров.

Iris.ai забирает нишу: корпоративные R&D-отделы в фарме, материалах, energy, aerospace. Триггер выбора — «нам нужен непрерывный мониторинг научно-технического фронта в защищённом периметре» или «поднимите нам knowledge engine на внутренних документах». Enterprise-only модель, on-premises, EEA-юрисдикция — атрибуты, за которые платят десятки тысяч евро в год.