Elicit vs Scite 2026: где Extraction Table, а где Smart Citations

С утра аспирант ищет 80 статей по гипотезе и заполняет extraction-таблицу к понедельнику. К вечеру — проверяет, нет ли среди ссылок коллеги ретрактированных работ. Это две разные задачи, и закрывает их два разных сервиса.

Elicit и Scite формально живут в одной категории research-ai, но конкурируют только на стыке. Elicit — это движок поиска плюс автоматическое извлечение данных из найденных статей: семантический запрос → 80 работ → таблица с колонками «выборка», «методология», «результаты», «ограничения». Scite — это движок верификации: для каждой статьи граф 1.6 миллиарда Smart Citations показывает, кто её поддерживает, кто опровергает, кто упоминает нейтрально.

Внутри одной категории это две функционально разные подгруппы. Elicit относится к «AI-поисковикам по научным базам» и «работе с загруженными документами» одновременно — у него и corpus на 138 миллионов статей, и Chat with Paper для пользовательских PDF. Scite — единственный массовый сервис подгруппы «верификация цитирований» с заметным охватом базы.

По нашему опыту в редакции это значит одно: если задача — «прочесать литературу по теме, собрать данные и подготовить обзор», основной инструмент Elicit, а Scite подключается на этапе проверки источников. Если задача — «оценить, насколько утверждение поддержано наукой», основной инструмент Scite, и его не заменить ни Elicit, ни обычным Google Scholar.

Сервисы пересекаются в двух точках. Первая — вопросы-ответы по научной теме: у Scite есть AI Assistant, у Elicit семантический поиск с синтезом ответа. Вторая — работа с PDF: у Scite Reference Check проверяет список литературы рукописи, у Elicit Chat with Paper отвечает на вопросы внутри документа. Это разные углы одного процесса, но именно из-за пересечений их часто сравнивают.

Запрос «эффективность семаглутида при ожирении у пациентов с T2DM» в обычный Google даст 4 миллиона ссылок, из которых релевантны 5. Что вернут Elicit и Scite — и почему это будут разные списки.

Elicit делает семантический поиск: разбирает исследовательский вопрос на смысловые компоненты и ищет статьи по корпусу из 138 миллионов работ + 545 тысяч клинических испытаний. Это даёт топ-10 релевантных по смыслу, а не только по ключевым словам — формулировка «GLP-1 agonists for weight loss» вытащит и работы, где конкретно «семаглутид» не встречается, но описаны препараты того же класса.

Scite Smart Search строит выдачу иначе: он опирается на 1.6 миллиарда Smart Citations и фильтрует по тому, как утверждение цитируется в других статьях. Запрос можно сузить до «найди работы, где гипотеза X опровергается» — для верификации тезисов это уникальная ось, не воспроизводимая у Elicit. Но если задача — построить корпус по теме, а не оценить устойчивость одного тезиса, Smart Search быстро упирается в ограниченную базу: Scite индексирует Crossref + PubMed + 30 партнёров-издательств, а это уже корпус, охватывающий гораздо хуже препринты arXiv и bioRxiv.

На графике видно, что прямого сравнения по «числу источников» сделать нельзя: Elicit публикует число статей в индексе, Scite — число Smart Citations (а это связи, не статьи). Для исследователя это не казуистика: если вы пишете обзор по эконометрике и половина литературы лежит в SSRN, важнее не «миллиард связей», а «есть ли SSRN в индексе». Elicit покрывает Semantic Scholar + PubMed + arXiv в ядре; Scite сильнее в журнальных публикациях через 30 партнёрств с издателями.

Практический вывод: для discovery (первый проход по новой теме) Elicit вернёт лучшую выдачу из-за семантического движка и более широкого охвата препринтов. Для verification («насколько этот один тезис устойчив в литературе») лучше Scite — это его профильная задача, у Elicit таких фильтров нет.

Триста статей по теме, дедлайн через неделю, читать каждую полностью — нереально. От качества автоматической суммаризации зависит, успеете ли вы и не приклеите ли в обзор галлюцинацию.

Elicit генерирует TL;DR для каждой найденной статьи и кросс-статейный синтез — короткий ответ на ваш исследовательский вопрос со ссылками на источники в выдаче. По данным рецензированного исследования в PMC за 2025, Elicit показал 99.4% точности извлечения данных в систематическом обзоре (1502 из 1511 правильных извлечений). По другому исследованию в Sage Journals — 45.7% совпадения по нюансным переменным (intervention effects). Это значит, что для базовых полей («какая методология», «какая выборка») Elicit практически безошибочен, а для тонких интерпретаций требует ручной проверки.

Scite суммаризирует не статью, а её рецепцию в литературе: AI Assistant даёт ответ на научный вопрос и подкрепляет его конкретными Smart Citations с пометкой supporting/contradicting. Это не пересказ работы, это синтез на основе того, как другие учёные на неё ссылаются. Для верификации тезиса — мощно. Для классической задачи «прочти эту статью за меня» Scite слабее: он не извлекает методологию, выборку, результаты в структурированном виде.

На нашем опыте, разница ощущается так. Запрос «что говорит литература про эффект Хоторна в полевых экспериментах»: Elicit вернёт 40 статей с TL;DR и общий синтез — удобно прочитать как обзор. Scite через AI Assistant ответит «эффект подтверждается в N работах, опровергается в M, нейтрально упоминается в K» с цитатами — удобно цитировать в своей статье. Это два разных режима чтения: суммаризация контента vs суммаризация консенсуса.

Опасное место одно и то же у обоих: галлюцинации при цитировании. У Elicit они режутся тем, что модель работает только по реально найденным статьям, а не «по памяти». У Scite — тем, что ответ всегда заземлён на Smart Citation, который ссылается на реальный фрагмент цитирующей статьи. Но проверять цитаты вручную всё равно надо — у обоих сервисов мы встречали случаи, когда атрибуция тезиса конкретному автору требовала уточнения.

В понедельник на стол положили двадцать PDF, между которыми надо найти противоречия. К пятнице — выводы для отчёта. Чей интерфейс справится с такой задачей за разумное время.

Elicit заточен на загрузку и анализ собственных PDF — это одна из ядровых функций. На Free-плане можно загружать до 20 PDF в месяц, на Pro лимиты сняты, отчёт может включать до 80 статей одновременно. Chat with Paper отвечает на вопросы по содержимому конкретной статьи, мультидокументные запросы работают через Extraction Table — например, «найди методологии всех 20 работ и сравни выборки». В начале 2025 Elicit добавил извлечение данных из таблиц внутри PDF — это закрывает один из основных болевых пунктов клинических обзоров, где половина результатов лежит в табличных приложениях.

Scite в эту сторону почти не играет. Reference Check позволяет загрузить рукопись и получить проверку каждой ссылки в списке литературы — но это не «работа с документом», это проверка библиографии. Прямо задать вопрос «о чём эта статья» загруженному PDF в Scite нельзя; работа с содержанием идёт только через AI Assistant по уже проиндексированным работам в базе сервиса.

Из таблицы видно, что Scite играет в загрузке только одну роль — проверка списка литературы готовой рукописи. Это полезная, но узкая функция. Если вам нужен второй мозг для собственных PDF — Elicit единственный из этой пары, кто умеет это делать систематически. Мы в редакции загружали в Elicit подборку из 12 препринтов по экономике поведенческих финансов и за вечер собрали extraction-таблицу со столбцами «выборка», «инструменты», «эффект», «p-value» — Scite такого инструмента не предлагает в принципе.

В систематическом обзоре по PRISMA вы должны заполнить таблицу с десятком полей для каждой из 80 включённых работ — выборка, дизайн, эффект, доверительный интервал. Кто из двух сервисов делает это автоматически.

Extraction Table — главная фича Elicit. Вы задаёте исследовательский вопрос, Elicit находит релевантные статьи и заполняет таблицу по выбранным полям: методология, дизайн исследования, выборка, размер N, ключевые результаты, ограничения. На платных тарифах число пользовательских колонок не ограничено — можно добавить, например, «использовался ли double-blind», «как контролировался эффект селекции», и сервис попытается извлечь ответ из текста каждой работы. Точность по ключевым полям — 99.4% в исследовании 2025 года; по тонким интерпретациям падает до 45.7%, но это лучше, чем ничего, и заметно быстрее ручного скрининга.

В Scite такого механизма нет. Сервис работает с цитатами, а не с содержанием конкретной работы. Если вам нужно извлечь «выборка N, p-value, конфликт интересов» из 30 статей, Scite этот пайплайн не поддерживает — он ответит только на вопрос «как эти 30 работ цитируются в литературе». Reference Check рукописи помогает увидеть ретракции и проблемные ссылки, но это другой шаг.

На практике это значит, что для систематического обзора Elicit может быть основным инструментом, а Scite — вспомогательным. По данным самого Elicit, пользователи фиксируют сокращение времени на скрининг литературы на 80%; это значение нужно делить пополам и проверять на своих данных, но даже половина — это разница между «обзор за неделю» и «обзор за месяц».

Где Elicit не дотягивает: тонкие методологические нюансы. Если в работе использовался специфический статистический метод, и вам нужно понять, насколько корректно автор применил Bonferroni-коррекцию, Extraction Table обычно вернёт что-то вроде «использован метод Bonferroni», но не оценит корректность. Это ручной этап, и его не закрывает ни один из двух сервисов.

Утверждение «X сокращает риск Y на 30%» из обзорной статьи цитируется в 600 работах. Сколько из них реально подтверждают эффект — а сколько ссылаются на эту цифру, опровергая её? До Scite ответа на этот вопрос автоматически не было.

Smart Citations — патентованная ниша Scite. Для каждой цитаты в литературе сервис строит классификацию через свой deep-learning NLP-движок: supporting (поддерживающая), contradicting (опровергающая), mentioning (нейтральное упоминание). Классификация делается по полному тексту цитирующей статьи, а не по абстракту. В базе Scite — 1.6 миллиарда таких классифицированных цитат, охватывающих Crossref, PubMed и публикации 30+ партнёрских издателей.

Elicit умеет показать, сколько раз статья цитируется, и встраивает оценку числа цитирований в ранжирование выдачи. Но Elicit не классифицирует контекст цитаты: «эта 600-я ссылка подтверждает или опровергает» — у Elicit на это нет инструмента. По нашему опыту, это критическое отличие для двух задач: (1) обзор литературы, где надо понять реальную поддержку тезиса, а не только частоту его упоминания; (2) проверка собственного списка литературы перед сдачей рукописи.

Практический сценарий: в рукописи вы цитируете обзор 2019 года, утверждающий, что X снижает риск Y. Reference Check в Scite показывает, что эта работа была ретрактирована в 2023 году, и три более поздних исследования прямо опровергают её результаты. Elicit ретракцию выявит частично (через метаданные), но не покажет, что три новые работы опровергают тезис. Это разница между «здесь у вас битая ссылка» и «здесь у вас битый тезис».

Где Scite слабее: ниша Smart Citations работает только для работ, проиндексированных партнёрскими издателями. Препринты arXiv и SSRN охвачены частично, русскоязычные журналы — почти не охвачены. Если ваш обзор опирается на материалы небольших журналов вне топ-200, Scite даст меньше сигнала, чем мог бы.

Cochrane-обзор по медицинскому вмешательству — это месяц работы команды из трёх человек. С AI-инструментами это можно сократить вдвое — но какой именно сервис закроет какую часть PRISMA-пайплайна.

Elicit в 2025 году добавил режим Systematic Review с встроенным мини-PRISMA: диаграмма поиска, включения, исключения генерируется автоматически. Strict screening criteria позволяют задать жёсткие правила для отбраковки (год публикации, тип исследования, регион), и сервис применяет их к найденным работам. Сам Elicit заявляет 80% сокращения времени на systematic review — это значение оптимистичное, на практике мы видели 40–60% в зависимости от темы.

Scite поддерживает систематический обзор не как основной workflow, а как слой проверки. Reference Check проверяет ваш финальный список на ретракции и опровержения — это важная часть пайплайна, но не его ядро. Smart Search можно использовать для поиска опровергающих публикаций по конкретным тезисам, что полезно при обсуждении ограничений обзора. Полноценного PRISMA-режима в Scite нет.

На практике академические группы используют связку: Elicit как основной инструмент скрининга и extraction, Scite как finishing-сервис для верификации финального corpus. Это даёт реальные 50% экономии времени; брать только Elicit без верификации цитат рискованно — за последние два года в медицинской литературе количество ретрактированных работ растёт, и пропустить ретракцию в обзоре означает поставить под удар выводы.

Из ограничений Elicit стоит выделить лимит 80 статей в одном отчёте на Pro: для больших Cochrane-обзоров (где включается 200–500 работ) этого мало, придётся разбивать на тематические подотчёты или докупать корпоративный тариф. Альтернатива внутри пары — нет; Scite такой задачи не решает.

Аспирант пишет диссертацию по социологии в России — половина литературы на русском, журналы elibrary и КиберЛенинка. Поможет ли западный research-AI или это инструмент для англоязычной науки.

Здесь у обоих сервисов одна и та же слабая сторона, но в разной степени. Elicit ориентирован на корпус Semantic Scholar + PubMed + arXiv: научная база этих источников примерно на 95% англоязычная. Русскоязычные журналы elibrary.ru, КиберЛенинка, ВАК-перечень — практически не представлены. Запрос на русском Elicit поймёт (модели понимают), но релевантные русскоязычные статьи он вернуть не сможет — их попросту нет в индексе.

Scite в этом плане ещё уже: его база строится из Crossref, PubMed и 30+ партнёрств с издателями, и русскоязычные журналы там почти не представлены. Smart Citations для русских работ строятся только если статья индексирована в Crossref и имеет DOI; для большинства публикаций из elibrary.ru это не выполняется.

Практически это означает: если ваша диссертация на 70% опирается на русскоязычные источники, оба сервиса работают как помощник по 30% библиографии — англоязычной. Это лучше, чем ничего, но не закрывает основную задачу. Русскоязычный UI ни у Elicit, ни у Scite не предусмотрен — оба только на английском.

Из двух — Elicit чуть лучше отвечает на запросы на русском (за счёт более общей модели в основе), Scite чаще «спотыкается» и просит переформулировать. Но это разница на грани сигнала: оба сервиса в текущей версии не подходят как основной инструмент для русскоязычного исследователя в гуманитарных или социальных науках.

Подписка на год — это от 7 до 50 тысяч рублей в месячном измерении. Какой сервис какую сумму просит и за что именно.

Elicit имеет четыре платных уровня. Plus — $12/мес или $120/год (фактически $10/мес при годовой оплате). Pro — $49/мес или $499/год. Team — от $79/место/мес (минимум 2 места). Pro даёт полный функционал extraction-таблицы, режим Systematic Review и отчёты до 80 статей; Plus — снимает базовые ограничения Free-плана и позволяет работать с большим числом статей в запросе.

Scite дешевле в среднем сегменте: Basic $7.99/мес (при годовой оплате), Premium $19.99/мес или $100/год ($8.33/мес при оплате годом), Premium+ $59.99/мес. Базовая ежемесячная ставка Premium — $12/мес. Студенческая скидка 30–50% делает Premium доступным для аспирантов за $9–14/мес.

На графике видна шестикратная разница в цене основной подписки. Но прямое сравнение обманчиво: $49 у Elicit Pro включают Extraction Table без лимитов и Systematic Review — это инструменты, отсутствующие у Scite. $100/год у Scite Premium дают доступ к Smart Citations, AI Assistant и Reference Check — функции, отсутствующие у Elicit. Это не «один дороже другого», это «вы платите за разные продукты».

Если переводить в рубли по курсу около 90 ₽/$, годовая подписка Elicit Pro обойдётся примерно в 45 тысяч ₽, Scite Premium — около 9 тысяч ₽. Команда Team на двух местах в Elicit — около 142 тысяч ₽ в год.

Прежде чем заплатить, хочется неделю поработать в реальной задаче. Сколько Free-планы Elicit и Scite дают и где они заканчиваются.

Elicit Basic — это полноценный Free-тариф. Поиск по 138 миллионам статей доступен без лимита, суммаризация работает (но в одном запросе можно сравнить не более 4 статей одновременно), Extraction Table доступна с лимитом 20 PDF в месяц и двумя пользовательскими колонками. Этого хватает, чтобы за месяц-два понять, насколько ядровая функция Extraction подходит под вашу задачу. Регистрация по email, без карты.

Scite Free — ограниченный пробник. Доступен просмотр Smart Citations по конкретным DOI, ограниченное число запросов в день. AI Assistant, Smart Search в полном объёме и Reference Check — только в платной подписке. На Free вы можете оценить идею Smart Citations на нескольких работах, но не можете системно работать.

На практике это значит, что попробовать Elicit можно бесплатно несколько недель, и решение «брать ли Pro» принимается на основе реальной работы. Со Scite такого опыта Free не даёт: оценить ценность Smart Citations на ваших задачах можно только в платной подписке. Студенческая скидка частично сглаживает это для академических пользователей.

R&D-команда строит внутренний дашборд для мониторинга литературы по своей теме — нужно встроить research-AI в свой пайплайн. Чей API подойдёт и при каких ограничениях.

Scite предоставляет коммерческий API. Доступные endpoint'ы — поиск по Smart Citations, получение citation metrics по DOI, фильтры supporting/contradicting. Это закрывает большую часть production-сценариев: автоматическое отслеживание ретракций в библиотеке организации, агрегация Smart Citation статистики для собственных дашбордов. Цена — по лицензии, рассчитывается под нагрузку клиента.

Elicit публичного API на сайте не раскрывает. По данным dossier, корпоративный доступ возможен через enterprise-канал, но открытого pricing нет, и условия проговариваются отдельно с командой Elicit. Для R&D-команды, которая хочет «попробовать встроить за неделю», это барьер: нужно идти в продажи, а не сразу пилить интеграцию.

Для разработчиков под академический пайплайн часто полезен бесплатный Semantic Scholar Academic Graph API — он покрывает базовый поиск и метаданные. Scite надстраивается сверху, добавляя слой Smart Citations: типичная связка для production — данные из Semantic Scholar API + классификация цитат через Scite API. Elicit в этой роли не работает, его сильная сторона — UI-режим Extraction для конечного исследователя, а не серверный пайплайн.

Российский аспирант хочет оплатить подписку — Stripe не принимает карты из РФ. Что реально работает, а что нет в текущей ситуации.

Технически оба сервиса доступны из России без специфических блокировок: сайты открываются, бесплатные функции работают. Elicit Free доступен без регистрации по карте, можно получить полный доступ к ядру поиска и базовой Extraction Table.

Оплата российскими картами не работает ни в одном из двух сервисов: оба используют Stripe, который не обслуживает карты, выпущенные банками в РФ. Альтернатив через ЮMoney, СБП или российские эквайеры нет. Платные подписки приобретаются через зарубежные карты или сервисы посредников; это не блокировка, но дополнительный шаг для российского пользователя.

На практике связка для российского пользователя выглядит так. Бесплатные функции — без проблем, ими можно пользоваться месяцами. Платные подписки — через карту, выпущенную за пределами РФ; для аспирантов и студентов проще получить институциональный доступ через университет, особенно для Scite, у которого работает программа Premium+ для университетских библиотек.

Библиография в Zotero уже на 800 записей. Хочется не копипастить из браузера, а чтобы research-AI встроился прямо в библиотеку.

У Scite есть официальный плагин для Zotero — это одна из ключевых интеграций сервиса. Плагин бесплатный, ставится из репозитория на GitHub и показывает прямо в Zotero-библиотеке статистику Smart Citations напротив каждой работы: supporting N / contradicting N / mentioning N. Дополнительно работает обратная синхронизация — импорт Zotero или Mendeley библиотеки в Scite и получение Smart Citation overview по всей коллекции.

У Elicit прямой интеграции с Zotero или Mendeley нет. Экспорт результатов идёт в CSV (для extraction-таблиц); поддержка BibTeX/RIS на момент проверки dossier не подтверждена явно в публичных материалах. Это значит, что чтобы добавить найденную в Elicit статью в Zotero, обычно нужен ручной шаг — копипаст DOI или импорт через Zotero-плагин для браузера.

Это значит, что для исследователя, который ведёт библиографию в Zotero, Scite встраивается в существующий workflow без боли — поставил плагин, увидел сигнал. Elicit требует копипаста и параллельной работы: extraction-таблица в Elicit отдельно, библиотека в Zotero отдельно. Для систематического обзора, где источников десятки, это терпимо; для повседневной работы — заметное трение.

Десять разных профилей — десять разных решений. Кому из реальных пользователей какой сервис выбрать.

Сводим адресные рекомендации по основным портретам читателя AIRatings. Это не «топ сервисов» — это «у вас вот такая задача, берите вот это».

Принцип за этими рекомендациями простой: Elicit покупается под задачу «собрать и обработать корпус», Scite — под задачу «проверить и обосновать тезис». Если ваша основная активность связана с первым, Elicit; со вторым — Scite. У них пересечений мало; и тот, и другой решает свою половину проблемы.

Из «не покупайте сразу обе подписки» — отдельный совет. Возьмите Elicit Free на пару недель и параллельно посмотрите Scite через институциональный доступ. Если за две недели в Elicit вы использовали Extraction хотя бы 5 раз — пора брать Pro. Если в Scite чаще трёх раз пригодился Smart Citations — пора брать Premium.