Redpine Membuka 20 Juta Makalah Penelitian untuk Agen AI Melalui Kesepakatan Lisensi Penerbit

Seorang asisten AI dapat menghasilkan rangkuman penelitian yang meyakinkan tanpa pernah membaca makalah yang paling penting. Redpine bertaruh bahwa langkah selanjutnya bagi AI ilmiah adalah membuat makalah tersebut dapat diakses, dapat dilacak, dan dibayar ketika agen benar-benar menggunakannya.

The Swedish company mengumumkan pada 6 Oktober bahwa penerbit termasuk BMJ Group, Sage, IOP Publishing, IGI Global Scientific Publishing, Wanfang Data, dan RCNi telah bergabung dalam kemitraan kontennya, yang mencakup lebih dari 20 juta artikel yang telah ditinjau sejawat. Kesepakatan ini memberikan agen AI akses berlisensi melalui API dan Model Context Protocol (MCP), serta opsi lisensi data skala besar.

Bagi penerbit, daya tariknya adalah model transaksi dengan ketentuan yang eksplisit. Bagi peneliti dan pengembang, ini merupakan cara untuk memasukkan literatur utama ke dalam alur kerja AI ketika sebuah pertanyaan dijawab.

Dari Memori Model ke Pengambilan Penelitian

platform Redpine menyediakan akses ke teks lengkap dan tabel, bukan hanya abstrak. Bagian yang diambil menyertakan pengidentifikasi artikel seperti DOI dan referensi halaman, memberikan pengguna jalur kembali ke sumber di balik sebuah jawaban. Integrasinya mencakup koneksi MCP untuk alat seperti Claude, Cursor, dan ChatGPT, serta API dan SDK untuk pengembang aplikasi.

Perbedaan teknisnya adalah pengambilan pada waktu inferensi. Sebuah model pertama-tama menerima pertanyaan, kemudian meminta materi relevan dari sumber eksternal dan menggunakan materi tersebut sebagai konteks untuk responsnya. Inilah logika dasar generasi berbasis pengambilan: bukti yang berguna dapat dibawa ke dalam percakapan tanpa mengasumsikan model telah menyerapnya selama pelatihan.

Itu mengubah apa yang dapat diperiksa pembaca. Sebuah paragraf yang masuk akal menjadi lebih berguna ketika klaimnya dapat diverifikasi terhadap sebuah bagian yang teridentifikasi. Hal ini juga memindahkan sebagian tantangan di luar model: menemukan makalah yang tepat, mengekstrak bukti relevan, dan merepresentasikannya secara akurat semuanya menjadi bagian penting dari sistem.

Lapisan Bayar Per Penggunaan untuk Penerbitan Ilmiah

Menurut pengumuman tersebut, penerbit dapat menetapkan penggunaan yang diizinkan dan harga transaksi, sementara Redpine membagi sebagian besar pendapatannya dengan mitra penerbit. Partisipasi Sage digambarkan sebagai pilot yang mencakup lebih dari 400 jurnal kedokteran dan ilmu hayati, termasuk judul-judul dari Mary Ann Liebert. Kemitraan yang lebih luas juga melibatkan konten ilmu fisika, keperawatan, dan penelitian Tiongkok.

Ini merupakan pengaturan pembagian pendapatan penerbit. Pengumuman tersebut tidak menjelaskan bagaimana penulis individu akan dikompensasi sesuai kontrak penerbitan mereka, sehingga tidak dapat dianggap sebagai janji royalti langsung bagi setiap peneliti.

halaman produk Redpine Science mencantumkan harga $1 per 1,000 token tanpa langganan di muka. Token adalah unit teks yang diproses oleh perangkat lunak; untuk alur kerja penelitian, ini berarti biaya akses dapat terakumulasi seiring agen mengambil lebih banyak materi. Oleh karena itu, ekonomi akan bergantung pada berapa banyak bukti yang dibutuhkan sebuah tugas dan seberapa efisien sistem memilihnya.

Cara Kerja Alur Pencarian

Dokumentasi Redpine menjelaskan dua mekanisme yang membuat pemilihan tersebut lebih disengaja. alur kerja preview-and-unlock memungkinkan sebuah aplikasi memeriksa cuplikan hasil dan perkiraan biaya sebelum membayar untuk membuka hasil penuh yang dipilih. Ini merupakan alur kerja tambahan, bukan klaim bahwa setiap titik akhir pencarian gratis.

pencarian terbantu melangkah lebih jauh. Alih-alih bergantung pada satu kali pengambilan, ia dapat memecah permintaan menjadi beberapa aspek, menjalankan beberapa pencarian internal, dan menilai kembali apakah ia memiliki cukup kandidat yang berguna. Hasil kandidat diperiksa terhadap kueri, dan proses dapat mengembalikan tidak ada hasil yang relevan. Redpine menyatakan bahwa pelanggan membayar untuk hasil yang disampaikan dan terverifikasi sementara perusahaan menanggung biaya pencarian internal dan model bahasa dari proses tersebut.

Kesesuaian kueri dan validitas ilmiah tetap merupakan pertanyaan yang berbeda. Sebuah bagian dapat cocok secara tepat dengan permintaan sekaligus menggambarkan studi kecil, asosiasi yang tidak pasti, atau temuan yang kemudian ditantang oleh bukti. Pengambilan yang lebih baik mendukung pembacaan kritis; hal itu tidak menghilangkan kebutuhan akan pembacaan kritis.

Apa yang Ditunjukkan oleh Evaluasi Perusahaan

Dalam evaluasi yang dipublikasikan perusahaan, Redpine membandingkan agen yang menggunakan pencarian web dengan agen yang menggunakan pencarian web plus Redpine Science pada 179 pertanyaan biomedis yang divalidasi ahli. Metode metrik kebenaran hakim utama, berdasarkan cakupan klaim dan kontradiksi, meningkat dari 75.9 menjadi 84.7—peningkatan sebesar 8.8 poin persentase. Hakim kedua melaporkan peningkatan serupa.

Hasil tersebut memberikan dasar yang lebih spesifik untuk menilai produk dibandingkan klaim luas bahwa produk ini mengurangi halusinasi. Namun, temuan ini masih dilaporkan oleh vendor berdasarkan benchmark yang ditentukan, bukan validasi independen untuk setiap tugas penelitian atau bukti bahwa sistem ini aman untuk pengambilan keputusan klinis.

Uji Lebih Besar: Bukti yang Dapat Digunakan dan Diverifikasi

Kemitraan Redpine menempatkan pertanyaan praktis di pusat perdebatan penerbitan AI: apakah konten berlisensi dapat menjadi cukup praktis sehingga pengembang memilihnya sebagai bagian normal dalam membangun agen?

Skala katalog penting, tetapi cakupan saja tidak akan menyelesaikan pertanyaan itu. Peneliti membutuhkan metode yang relevan, keterbatasan, dan temuan yang kontradiktif—bukan sekadar kumpulan artikel yang besar. Pengembang membutuhkan biaya yang dapat diprediksi dan pengambilan data yang andal. Penerbit membutuhkan kontrol yang tetap bermakna ketika perangkat lunak secara otomatis meminta konten.

Jika unsur‑unsur itu cocok, peluangnya melampaui jawaban chatbot yang lebih baik. Hal itu menciptakan hubungan yang lebih bertanggung jawab antara sistem yang menghasilkan ringkasan ilmiah dan literatur yang menjadi dasar ringkasan tersebut.