Semantic Scholar vs Scholarcy 2026: поисковик научной базы или машина для конспектов

Semantic Scholar — представитель подгруппы «AI-поисковики по научным базам». Он индексирует 200+ млн научных статей (по данным официальной страницы About на 2025), показывает результаты по релевантности, рисует граф цитирований и помечает «Highly Influential Citations» отдельным флагом — классификатор Allen Institute сам решает, какая ссылка по-настоящему влияет на статью, а какая просто упомянута в обзоре литературы. Своих PDF ему загружать нельзя: это инструмент про чужую базу, а не про вашу папку.

Scholarcy сидит в другой подгруппе — «работа с загруженными документами». Загружаете PDF, DOCX, PPTX, HTML, LaTeX, RIS — на выходе получаете «summary flashcard» со структурой: ключевые выводы, методология, размер выборки, основные результаты, ограничения, определения, список ссылок. Это не поиск по миру, это конспект по тому, что у вас уже есть. И именно поэтому два сервиса не воюют — они дополняют друг друга в одном рабочем дне.

Главный вывод по карте: Semantic Scholar не конкурирует с Scholarcy за один и тот же бюджет — он вообще бесплатный и закрывает «верхнюю» часть воронки (найти статьи), Scholarcy закрывает «нижнюю» (разобрать выбранные). По этой причине почти всем читателям, кому интересно сравнение, по факту нужны оба — а уже потом вопрос, платить ли за Scholarcy Plus.

Semantic Scholar делает TLDR-рефераты для большинства статей в своей базе автоматически и бесплатно. Это однострочное резюме, сгенерированное собственными моделями AI2 (SPECTER2, SciBERT и связка с LLM поверх корпуса S2ORC). По документации API, поле TLDR доступно через эндпоинт `/paper/{paperId}` наряду с abstract и authors. На практике этого хватает, чтобы решить: «открывать этот PDF или нет». Но не хватает, чтобы написать раздел обзора литературы.

Scholarcy идёт глубже. Главная фича — Summary Flashcards: из статьи автоматически вытаскиваются ключевые выводы, использованная методология, размер выборки и дизайн исследования, основные результаты, ограничения и пробелы, определения ключевых понятий и полный список ссылок из статьи. В Plus добавляется Enhanced Summary — расширенная версия для длинных или сложных статей. По нашему опыту это и есть точка, ради которой Scholarcy стоит держать в подписке: если статья на 30 страниц с пятью разделами, флэшкарточка превращает её в полминутный конспект, по которому потом удобно сравнивать выборки между статьями.

Глубина суммаризации у Scholarcy объективно выше — но за это нужно платить (после 10 бесплатных карточек). У Semantic Scholar TLDR покрывает 200 миллионов статей, но это именно «open / skip»-фильтр, а не материал для конспекта.

В Scholarcy список поддерживаемых форматов прямо в продуктовом разделе Bulk Article Summarizer: PDF, Word (DOCX), PowerPoint (PPTX), HTML, XML, LaTeX, TXT, CSV, RIS, BIB, NBIB. Загрузить можно файлом, через URL (DOI или arXiv-ссылка), через RSS-ленту, из облачного хранилища или прямым импортом коллекции из Zotero. Bulk Article Summarizer берёт пачку файлов сразу — это и есть главный аргумент для тех, кто работает с десятками статей в неделю.

У Semantic Scholar загрузки своих PDF нет вообще. Это принципиальное архитектурное решение: сервис индексирует чужую базу из 200+ млн статей (Crossref, PubMed, arXiv, DBLP и собственный корпус S2ORC), и логика продукта построена вокруг поиска по этой базе. Если статья, которая у вас есть, уже проиндексирована, вы найдёте её по DOI или названию и получите TLDR. Если статья новая, рабочая, препринт или внутренний документ компании — Semantic Scholar тут не помощник.

По работе с загруженными документами Scholarcy и Semantic Scholar вообще нельзя ставить рядом — это разные классы продуктов. Поэтому оценка 3 у Semantic Scholar — не «он плохой», а «у него нет такой функции». Аналогично нельзя ругать поисковик Google за то, что у него нет PDF-вьювера.

У Scholarcy извлечение методологии — это базовая логика Summary Flashcard. В карточке прямо есть отдельные поля: «методология», «размер выборки и дизайн исследования», «основные результаты», «ограничения и пробелы», «определения ключевых понятий». То есть структура флэшкарточки практически совпадает со стандартной таблицей систематического обзора. Не PRISMA-полное, не PICO-полное, но 60–80% полей закрываются автоматически.

У Semantic Scholar отдельной extraction-логики нет. Есть метаданные карточки статьи (заголовок, авторы, abstract, год, журнал, DOI, цитирования), TLDR одной строкой и поле «fields of study». Через API доступны fieldsOfStudy, openAccessPdf, citations и references. Этого хватает, чтобы понять, о чём статья и насколько она цитируется — но не хватает, чтобы заполнить таблицу методологии. Для этого пришлось бы открыть PDF и читать раздел «Methods» руками.

Asymmetry очевидна: Semantic Scholar силён в библиометрической части (citations, references, Highly Influential), Scholarcy — в содержательной (методология, выборка, результаты). По нашему опыту, для систематического обзора удобнее всего гнать пачки PDF через Bulk Summarizer Scholarcy, а Semantic Scholar держать сверху как «карту цитирований» — он покажет, какие из включённых статей самые влиятельные.

Semantic Scholar построен вокруг графа цитирований. Для каждой статьи доступны полные списки Cited by и References с навигацией. Главная фича — Highly Influential Citations: классификатор Allen Institute сам помечает те ссылки, которые по-настоящему влияют на цитирующую статью (а не просто упомянуты в обзоре литературы). Это не «supporting / contradicting» в чистом виде — для последнего есть Scite, ниша которого формально не пересекается с Semantic Scholar. Но «Highly Influential» — это уже сильно ближе к контекстной оценке, чем стандартный счётчик цитирований.

У Scholarcy совсем другая логика по ссылкам. Сервис умеет извлекать список литературы из загруженной статьи (Reference Extraction) и форматировать его в BibTeX или RIS — удобно для импорта в Zotero, Mendeley, EndNote или RefWorks. Это очень полезно, чтобы быстро забить библиографию в свой менеджер. Но это не про то, кто на эту статью ссылается во всём мире — Scholarcy работает только с тем, что у вас в PDF, и не видит остального научного интернета.

Если переформулировать: Semantic Scholar отвечает «кто на эту статью ссылается во всём мире и насколько серьёзно», Scholarcy — «какая библиография у этой конкретной статьи и как её положить в Zotero». Для верификации научного утверждения нужнее первый. Для построения собственной библиографии нового обзора — второй.

В досье Semantic Scholar прямо написано: индексация русскоязычных источников слабая. Русскоязычные журналы (elibrary.ru, КиберЛенинка, ВАК) практически не покрываются — основной источник статей это PubMed, arXiv, DBLP, Crossref и собственный корпус S2ORC, которые ориентированы на англоязычную науку. Интерфейс — только английский. Поиск по русским авторам и журналам, по нашему опыту работы с сервисом, регулярно даёт пустые или нерелевантные результаты.

У Scholarcy ситуация похожая, но по другой причине. Сервис ориентирован на английские академические тексты, и его собственный NLP-движок (провайдер LLM не раскрывается) под русские статьи не оптимизирован. Загрузить русскоязычный PDF можно, но качество суммаризации падает: ключевые тезисы извлекаются хуже, разделы методологии и выборки могут перепутываться. Интерфейс — английский.

Для российского читателя это значит одно: ни один из двух сервисов не заменит работу с elibrary и КиберЛенинкой руками. Но англоязычную часть литературы (а в большинстве научных областей она основная) оба обрабатывают нормально — Semantic Scholar для поиска, Scholarcy для суммаризации загруженных PDF.

Semantic Scholar полностью бесплатный — $0 за все функции: поиск по 200+ млн статей, TLDR-рефераты, граф цитирований, библиотеки, рекомендации, оповещения и API. Регистрация нужна только для личной библиотеки и email-оповещений. Других тарифов и платных функций у сервиса нет — это позиция Allen Institute as a non-profit.

У Scholarcy три уровня. Free даёт до 10 суммаризаций и экспорт по одной флэшкарточке за раз. Scholarcy Plus стоит $9.99/мес помесячно или $7.99/мес при годовой оплате — итого $95.88 в год. В Plus входят безлимитные суммаризации, личная библиотека флэшкарточек, Enhanced Summaries для сложных статей, организация в коллекции, экспорт до 100 флэшкарточек за раз, заметки и редактирование текста суммаризации. Перед оплатой — 7 дней бесплатного триала без ввода карты. Для университетов есть Academic Institution License от $8000/год — неограниченный доступ для всей организации.

Цена годовой подписки Scholarcy Plus — около 9600 ₽ по курсу июня 2026 (при курсе 100 ₽ за доллар; курс смотрите актуальный). Это эквивалент 4–5 походов в кофейню, и за деньги вы получаете снятие лимита в 10 карточек. Если у вас рабочая нагрузка меньше 10 PDF в месяц — Free хватает. Больше — Plus отбивается одной сэкономленной парой часов на конспект.

Semantic Scholar — редкий случай в категории, когда «Free» не маркетинговая ловушка, а официальная позиция продукта. Bсе функции — поиск, TLDR, граф цитирований, библиотеки, рекомендации, оповещения, Semantic Reader, API Academic Graph — доступны без оплаты. Никаких лимитов по числу запросов в UI. Регистрация нужна только если вам нужна личная библиотека или email-алерты — но и она бесплатна.

У Scholarcy Free выглядит скромнее: до 10 суммаризаций, экспорт по одной флэшкарточке за раз — и всё. Этого хватит на «попробовать» или на разбор одного небольшого пакета статей. Дальше — стена «нужен Plus». 7-дневный триал Plus стартует без ввода карты — это плюс по сравнению с сервисами, где триал требует подписку с автосписанием. Free и триал доступны через веб-интерфейс и через браузерное расширение для Chrome, Firefox, Edge и Safari.

Semantic Scholar Academic Graph API — один из самых щедрых бесплатных академических API в индустрии. Эндпоинты: /paper/search, /paper/{paperId}, /author/{authorId}, /recommendations, /graph. Доступные поля: abstract, authors, citations, references, TLDR, SPECTER2 embeddings, fieldsOfStudy, publicationDate, openAccessPdf. Без ключа — 1000 запросов в секунду суммарно на всех анонимных (нестабильно в пик). С бесплатным API-ключом — 1 запрос в секунду на пользователя. Расширенный тир — по запросу к команде API для production-нагрузок. SPECTER2-эмбеддинги доступны на скачивание, открыт корпус S2ORC.

У Scholarcy публичного API нет — на сайте он не упоминается. Возможно, что-то предлагается институциональным клиентам по корпоративной лицензии от $8000/год, но это не публикуется в открытом доступе. Для автоматизации остаются ручная загрузка через веб и Bulk Article Summarizer.

Semantic Scholar — некоммерческий ресурс Allen Institute for AI, не находится под санкционными ограничениями, не заблокирован Роскомнадзором. Открывается без VPN. Регистрация не нужна для базового поиска. Оплата не нужна вообще — сервис полностью бесплатный, и для российского пользователя это снимает главный болевой узел всех западных подписок.

Scholarcy — британская компания. По данным досье, специфических блокировок нет — сайт открывается. Free-функционал (10 карточек/мес и браузерное расширение) доступен из России. Но оплата подписки Plus российскими картами недоступна — нужен зарубежный платёжный инструмент или сервис-посредник. Это типичная для 2026 года история со всеми не-российскими SaaS, и Scholarcy в этом смысле не исключение, но и не лидер.

По доступности из РФ Semantic Scholar объективно сильнее: всё работает напрямую, ничего не нужно платить, ничего не нужно обходить. Scholarcy уязвим именно на этапе оплаты подписки — нужен либо посредник, либо зарубежная карта.

Scholarcy ставит интеграцию с менеджерами литературы в центр продукта. По данным страницы Zotero-интеграции, поддерживается прямой импорт коллекций из Zotero одним кликом и экспорт обратно после суммаризации — вся полученная информация летит в Zotero-библиотеку. Дополнительно экспорт работает в форматах BibTeX и RIS (для Mendeley, EndNote, RefWorks). Браузерное расширение для Chrome, Firefox, Edge и Safari позволяет суммаризировать прямо на странице со статьёй и сразу отправлять флэшкарточку в менеджер.

У Semantic Scholar официальной интеграции с Zotero нет — но Zotero Connector умеет добавлять статью с Semantic Scholar по DOI или URL, как и с любого академического сайта. Прямо со страницы статьи доступен экспорт BibTeX и RIS через кнопку Cite. Это закрывает базовую задачу «положить ссылку в свой менеджер», но без двусторонней синхронизации, без массовой выгрузки коллекции и без браузерного расширения от самого Semantic Scholar. Сторонний MCP-сервер позволяет интегрировать поиск Semantic Scholar в AI-агентов.

Semantic Scholar — Allen Institute for AI, американская некоммерческая организация. По Privacy Policy пользовательские данные (личная библиотека, запросы) используются для улучшения рекомендаций. AI2 не сертифицирована по GDPR (как американский non-profit она и не должна), но для пользователей из ЕС права на удаление данных заявлены в Privacy Policy. Корпус S2ORC и SPECTER2-эмбеддинги опубликованы как open datasets — это плюс для исследовательской прозрачности. SOC2 Type II публично не упоминается.

Scholarcy — британская компания, на UK GDPR после Brexit она работает по своей Privacy Policy. Детали по обучению моделей на загруженных документах прямо в публичных текстах не раскрыты — это типичный data_gap для маленьких SaaS-команд. SOC2 публично не заявлен.

Semantic Scholar — продукт Allen Institute for AI, некоммерческой организации, основанной Полом Алленом (соучредитель Microsoft) в 2014 году. Основной донор — Paul G. Allen Foundation, финансирование бессрочное. AI2 — крупная структура с сотнями сотрудников, бюджет публично не раскрывается. Semantic Scholar существует с 2015 года, продукт постоянно обновляется (Semantic Reader, S2AG API v3+). Риск закрытия очень низкий: миссия фонда долгосрочная, и Semantic Scholar — её флагман.

Scholarcy — небольшая британская компания Scholarcy Ltd, работает примерно с 2018 года. Финансирование публично не раскрывается — предположительно bootstrapped или ранний seed. Институциональные лицензии от $8000/год создают B2B-якорь, который помогает выживать, но конкуренция с NotebookLM (Google) и Elicit усилилась, а это пример конкурентной среды, где маленькому игроку нужен явный USP. Риск закрытия по сравнению с крупными игроками — выше.

Semantic Scholar регулярно упоминается в методологических разделах научных статей как инструмент поиска. Он сам — предмет научных исследований (AI2 публикует работы по SPECTER, scicite, S2ORC). Академические библиотекари высоко оценивают сервис за бесплатный API и качество цитирований. По охвату — 200+ млн статей против 380+ млн у Google Scholar, но с более качественными метаданными и машиночитаемым API.

Scholarcy регулярно фигурирует в обзорах инструментов для академических исследований и популярен у библиотекарей и аспирантов — в досье есть ссылка на гид библиотеки Emirates College, где сервис рекомендуется студентам. Это типичная «инструментальная» популярность: им активно пользуются те, кому надо разобрать пачку статей за вечер, и его рекомендуют в LibGuides университетов.

Сценарий 1. «Что вообще опубликовано по теме за 5 лет». Семантический поиск по 200+ млн статей с фильтрами по году, журналу, конференции, области знаний и open access. Найти все исследования по микропластику в Балтике за 2020–2025? Это запрос секунды, и он бесплатный. Scholarcy здесь не помощник — у него нет своей базы научных публикаций.

Сценарий 2. «Эта статья — действительно важна или просто упомянута?» Граф цитирований с флагом Highly Influential Citations показывает, какие из 250 ссылок реально влияли на цитирующую работу. Это поможет отсеять «обзорные» цитаты и сконцентрироваться на тех, кто действительно строил на работе. Аналога у Scholarcy нет.

Сценарий 3. «Хочу embedding-поиск по корпусу для своего AI-агента». Semantic Scholar Academic Graph API + открытые SPECTER2-эмбеддинги — это бесплатная инфраструктура для рекомендательных систем, мониторинга новых статей в нише, поиска похожих работ. Поддерживается даже сторонний MCP-сервер для AI-агентов. У Scholarcy публичного API нет.

Сценарий 4. «Бюджет — ноль рублей в год». Для российского аспиранта без зарубежной карты — Semantic Scholar полностью покрывает поисковую часть рабочего процесса. Никаких подписок, никаких посредников по оплате.

Сценарий 1. «20 PDF на столе, нужен конспект к понедельнику». Bulk Article Summarizer берёт пачку файлов сразу и выдаёт пачку Summary Flashcards с разделами «методология», «выборка», «результаты», «ограничения». На каждой статье экономит 30–60 минут ручного чтения с фломастером. У Semantic Scholar для этой задачи нет ничего — он работает с чужой базой, не с вашими PDF.

Сценарий 2. «Заполняю extraction-таблицу для систематического обзора». Структура флэшкарточки практически совпадает со стандартными полями таблицы PRISMA / scoping review. По нашему опыту 60–80% полей закрываются автоматически — остаётся подправить вручную. Semantic Scholar даёт только метаданные карточки статьи плюс TLDR одной строкой; это не материал для extraction-таблицы.

Сценарий 3. «Хочу вытащить библиографию из PDF в Zotero одной кнопкой». Scholarcy умеет извлекать список литературы из загруженной статьи и форматировать его в BibTeX или RIS, а Zotero-интеграция даёт прямой импорт коллекции и экспорт обратно после суммаризации. Браузерное расширение для Chrome, Firefox, Edge и Safari позволяет делать это прямо со страницы статьи. У Semantic Scholar есть только базовый Cite-экспорт BibTeX/RIS со страницы — без массового извлечения и без двусторонней синхронизации.

Сценарий 4. «PowerPoint презентация для конференции — нужно резюме статьи на слайд». Scholarcy поддерживает не только PDF, но и DOCX, PPTX, HTML, XML, LaTeX. Загрузили слайды коллеги — получили флэшкарточку с ключевыми тезисами. Это нишевый, но иногда очень полезный кейс. Semantic Scholar формат PPTX не обрабатывает.

Аспирант, пишущий обзор литературы. Начинаете с Semantic Scholar: бесплатный поиск, граф цитирований с Highly Influential, базовая выгрузка BibTeX. Scholarcy — Free на первом месяце, чтобы разобрать сначала ключевые 10 статей. После — Plus за $9.99/мес на период активного скрининга (3–6 месяцев), потом можно поставить на паузу. Связка покрывает оба этапа: «найти» и «разобрать».

Корпоративный R&D-аналитик. Semantic Scholar API — главная инфраструктура для мониторинга новых работ и обогащения внутренней knowledge base; SPECTER2-эмбеддинги — для семантического поиска. Scholarcy уместен только если у компании есть NDA-документы, которые можно загружать в SaaS, и нужен быстрый бриф «что внутри». Иначе — институциональная лицензия от $8000/год имеет смысл только при использовании командой от 10 человек.

Студент магистратуры. Semantic Scholar + Scholarcy Free — 10 карточек в месяц закрывают типичный диссертационный объём. Plus не нужен — экономия времени не окупает $95.88/год при курсе ~9600 ₽.

Журналист / научпоп-редактор. Semantic Scholar — обязателен для верификации (граф цитирований показывает, насколько утверждение поддержано). Scholarcy Free — для быстрого конспекта статьи перед публикацией. Plus — если редакция в неделю обрабатывает 4+ научные новости, тогда $7.99/мес (годовая оплата) окупается на одной сэкономленной редакторской сессии.

Профиль 1: «Минимум». Студент бакалавриата, разовый обзор литературы на курсовую. Semantic Scholar — $0, Scholarcy Free (10 карточек/мес) — $0. Итого: $0 в год. На дипломную, если статей много, можно один месяц взять Plus — +$9.99 разово. Связка реально решает учебные задачи без бюджета.

Профиль 2: «Аспирант». Скрининг литературы 3–6 месяцев активной фазы, потом редкое возвращение. Semantic Scholar $0, Scholarcy Plus помесячно 6 месяцев = $59.94. Если предположимо использовать год — выгоднее годовая подписка ($95.88), но 6 мес помесячно дешевле. Итого: $0–60–96 за год, в зависимости от продолжительности активной фазы.

Профиль 3: «Корпоративный R&D-отдел». Semantic Scholar API — $0 для всех инженеров. Scholarcy — Academic Institution License от $8000/год, имеет смысл при команде от 10 человек с регулярной нагрузкой. Альтернатива: 10 индивидуальных подписок Plus = $958.80/год — дешевле, если не нужны единый аккаунт и админ-консоль.