Consensus 是面向同行评审研究的 AI搜索引擎，把论文检索、AI 摘要、共识判断和文献整理整合到一套研究工作流里，更适合做学术问题探索而不是通用网页搜索。

Consensus

核心参数与统计

一句话简评：它不是给普通网页检索提速，而是给“我想知道学界到底怎么说”这类问题提供一个更短的研究入口。

项目	公开信息
官方定位	AI academic search engine / research OS
文献规模	220M+ scientific papers
主要模式	Pro Search、Deep Search、Ask Paper
研究辅助	Consensus Meter、Study Snapshots、Citation Graph、Collections
目标场景	研究问题检索、证据整理、论文阅读前置筛选
平台形态	Web

宣传核验：Consensus 把“研究起点”做得很强，这个卖点成立。它切中的不是传统搜索结果太少，而是学术搜索结果太多、阅读成本太高、证据方向不容易一眼看清。

用户与市场认可

研究场景认可：官网把产品定义成 research OS，而不是单纯的 AI 搜索框，说明它想覆盖从检索到整理的完整链路。对研究生、分析师、医药与政策研究人员来说，这种定位比通用聊天工具更容易产生稳定留存。

采用逻辑：Consensus 的竞争对手不是普通网页搜索，而是 Google Scholar 加手工读摘要、再加笔记工具的组合。只要它能把前置阅读时间缩短，用户就会愿意把它放进默认研究流程。

边界提醒：它擅长的是“从论文里找到方向与证据概貌”，不擅长直接替代系统综述、实验设计或正式学术判断。研究结论仍然需要回到具体论文方法与样本设置。

成本优势

C端/个人：通常提供免费入口，适合学生、研究者先低门槛验证。它最大的显性收益是减少读摘要和筛论文的时间，而不是替代数据库订阅本身。

API/开发者：官网当前主叙事不是开放 API，而是成品研究工作流。也就是说，它更像研究生产力应用，而不是基础检索底座。

企业/私有化：若科研机构、咨询团队或企业研究部门采用，重点应核验团队协作、数据权限和采购条款，具体价格以官方实时页面为准。

隐性收益/成本：隐性收益是把“检索 -> 筛摘要 -> 看共识 -> 整理引用”的前半段压缩到同一界面；隐性成本是如果用户把 AI 摘要当成最终结论，就会忽视论文质量差异与实验边界。

补充判断：对个人研究者来说，Consensus 更像时间压缩器；对团队来说，它更像研究前置层，而不是最终证据签字层。这个定位如果一开始不说清，组织内部会天然高估它的结论权重。

主要功能

• 学术搜索：围绕研究问题而不是网页 SEO 结果组织答案。
• Deep Search：把问题拆成更深入的文献探索路径，适合复杂研究主题。
• Ask Paper：对单篇论文做问答式理解，降低长文阅读门槛。
• Consensus Meter：针对 yes/no 类研究问题快速观察学界共识方向。
• Study Snapshots：提炼关键发现与方法线索，帮助快速判断是否值得深读。
• Citation Graph 与 Collections：支持梳理论文关系并做研究资料归档。

专家视点：Consensus 最强的不是单点搜索，而是功能联动。搜索给出候选论文，Consensus Meter 帮用户先看证据方向，Study Snapshots 减少初筛负担，Collections 让整理动作不必再切到外部工具，这才是真正的工作流优势。

模型与版本演进

Consensus 的学术搜索起点

早期核心价值是把同行评审文献做成更易提问的搜索入口，用自然语言替代复杂检索式。

Consensus 的研究工作流扩展阶段

随着 Deep Search、Ask Paper、Consensus Meter 和 Citation Graph 加入，产品从“搜论文”升级为“组织研究过程”。这也是它从工具型入口走向研究 OS 的关键变化。

Consensus 的当前公开形态

当前形态已经更完整地覆盖检索、判断、整理三个阶段。官方未公开精确工程版号，因此版本脉络更适合按公开能力层级记录。

技术优势

机制：以科学论文语料为核心，把问题检索、答案生成、证据聚合和文献组织放到同一工作流。

效果：比“先搜再读几十篇摘要”更快形成初步研究判断，尤其适合需要快速建立证据地图的场景。

适用场景：市场研究中的学术背景核对、医药与健康信息探索、论文选题前期摸底、教育研究与政策问题梳理。

因果链：因为它先限制在学术语料内，噪音比通用搜索低；因为它增加共识与快照层，用户初筛速度更快；也正因为它做了结果压缩，严肃结论仍必须回到论文原文复核方法和样本。

如何使用

最合理的使用方式不是把它当论文终点，而是把它放在研究前半段。先输入问题拿到论文集合和共识方向，再针对关键论文用 Ask Paper 深读，最后再回到原文做方法和数据核验。

如果是团队使用，建议把它放在前期资料摸底、假设形成和文献清单整理环节，而不是用来直接替代正式文献综述或可发表研究判断。

产品定价

公开信息：存在免费入口与更高阶功能层级，完整套餐与机构采购细节以官方实时页面为准。

免费的真相：免费层通常足够用户验证研究体验，但一旦进入高频重度使用，真正限制往往出现在深度工作流能力和效率上，而不是单次搜索本身。

采购边界：机构采购时更该关注的是团队共享、权限、引用导出、使用量限制和长期稳定性，而不是只看是否“能搜论文”。

应用场景

• 论文选题前期摸底：快速判断学界对某个问题是否已有明显共识。
• 医药与健康研究辅助：先看证据方向，再决定是否进入原文深读。
• 咨询与分析背景研究：为行业或政策分析提供更可靠的学术侧证据。
• 教育和科研训练：帮助学生更快理解文献网络，而不是只记住结论。

适用人群

• 研究生与博士生：需要高频做文献前期筛选的人。
• 企业研究与咨询分析师：需要把学术证据融入商业判断的人。
• 医疗、政策与教育研究人员：需要先建立证据轮廓，再深入阅读的人。

不适配边界：如果任务是正式系统综述、监管级别证据提交或高精度实验设计，Consensus 只能做前置加速层，不能替代人工研究方法论。

总结与展望

Consensus 的核心价值，是把“找论文”升级成“理解研究问题的前半程工作流”。这对长期被 Google Scholar、数据库和笔记工具分割的研究过程，是一类很实际的效率改造。

采购/采用风险评估：它最适合做研究起点和证据导航，不适合直接输出高风险结论。采用前应明确团队的人工复核标准，并持续关注它在文献覆盖、团队协作和结果透明度上的演进。

版本信息

• Research OS Experience ：当前公开版本以搜索 220M+ 论文、Pro Search、Deep Search、Ask Paper、Consensus Meter、Study Snapshots 与 Collections 为核心；暂无官方精确版本号与日期。 （~2026-07）
• Deep Search And Research Workflow Expansion ：产品公开加入 Deep Search、Ask Paper、Consensus Meter、Citation Graph 和 Collections 等更完整的研究工作流能力；暂无官方精确日期。 （~2025-01）
• Academic Search Launch ：早期以 AI 学术搜索入口切入，主打从同行评审文献里直接回答研究问题；暂无官方精确日期。 （~2022-01）