이미지: METAL LAB 생성
摘要
- 汤森路透基于阿里巴巴的Qwen3.5-397B推出了自研语言模型"Thomson"。公司表示，两年多来在人力和算力上投入了约4000万美元。
- 仅比较网络检索能力时，该模型不敌GPT-5.4；但一旦接入Westlaw等自家内容，就能小幅反超。
- 汤森路透认为，在法律文件审查这类工作量巨大的业务上，自研模型更划算。
- 모델명
- Thomson (톰슨)
- 기반 모델
- Alibaba Qwen3.5-397B
- 투자 규모
- 2년 이상 인력·컴퓨팅에 약 4천만 달러, 최종 학습 자체는 45만 달러
- 안전 재학습 버전
- Snowdon (임페리얼칼리지와 공동 개발)
- 학습 데이터 활용률
- 보유 콘텐츠 전체의 10% 미만
- 벤치마크(LegalBench)
- 0.823 — Gemini 3.1 Pro·GPT-5.5에 뒤처짐
- 자체 Deep Research 벤치마크
- 웹 접근만 0.53(GPT-5.4 0.65) → 자사 콘텐츠 포함 시 0.83(GPT-5.4 0.82)
- 공개 계획
- 소형 버전을 Hugging Face에 비상업 라이선스로 공개 예정
为什么没有依赖OpenAI，而是自己动手做
法律与财务信息服务企业汤森路透（Thomson Reuters）推出了自研语言模型"Thomson"。这款模型没有借用OpenAI或Anthropic等前沿实验室的模型，而是基于阿里巴巴的开源模型Qwen3.5-397B自行打造而成。公司公布的投入规模是：两年多时间里，在人力和算力上花费约4000万美元。媒体广泛引用的45万美元，其实只是最后一次训练所耗费的成本，而在此之前真正沉淀下来的资本，是Westlaw、Practical Law、Checkpoint、Reuters数十年积累的内容，以及数百名领域专家投入的劳动时间。
在OpenAI和Anthropic为了遏制中国AI的追赶而大幅降价的当下，汤森路透索性选择了完全不租用前沿模型的路线。与其使用越来越便宜的API，公司选择把钱投入自建模型，背后的逻辑是：业务量越大、越重复，自建模型的运营成本就越低于订阅他人模型的费用。
从Qwen到Snowdon，再到Thomson
汤森路透与伦敦帝国理工学院（Imperial College London）合作，先按照安全性、伦理和政治中立性标准对Qwen进行了再训练，并给这个中间阶段的模型起名"Snowdon"，取自威尔士一座山峰的名字。此后又用自家内容做预训练，与领域专家一起进行后续训练，最后还在自家工具环境中叠加了智能体式强化学习。据公司介绍，尽管经历了这么多阶段，目前使用的内容量还不到公司全部储备的10%。
首席技术官Joel Hron表示，"开源起点已经换了差不多五六次"；研究负责人Jonathan Schwartz则指出，比起单个模型本身，这一过程中形成的"模型工厂"才是更大的成果。
只在自家数据上领先的基准测试
公司博客公开的说明把Thomson描述为全球顶尖模型之一，但公司自己公布的数据呈现出一幅更为谨慎的图景。
| 基准测试 | Thomson | 比较结果 |
|---|---|---|
| Stanford LegalBench | 0.823 | 落后于Gemini 3.1 Pro、GPT-5.5 |
| Harvey Legal Agent Benchmark | - | 仅次于Opus 4.8 |
| 自有Deep Research（仅网络检索） | 0.53 | GPT-5.4为0.65 |
| 自有Deep Research（含自家内容） | 0.83 | GPT-5.4为0.82 |
在指令遵循和高难度法律问题的基准测试PrBench Legal中，Thomson占优，但在推理和编程方面明显落后。比较方式也并非完全公平——Thomson在测试时使用了更多计算量来应战，而GPT-5.5则是在未开启推理模式的情况下参与比较的。
评测负责人Andrew Bean也承认，仅就网络检索能力而言，Thomson"处于其他模型的水平区间内，但还谈不上明显领先"。有意思的是，一旦接入自家内容，GPT-5.4的表现也会以几乎相同的幅度提升。这说明造成性能差距的，与其说是专门训练，不如说是数据访问权本身；而且要注意的是，公司并未拿更新的模型来做对比。
为何仍坚持自建模型
汤森路透明明可以用法律数据对OpenAI或Anthropic的前沿模型做微调，为什么却要从头另起炉灶？公司给出了三个理由。
第一是经济性。Schwartz指出，标准微调方式"很容易削弱模型的通用性能"，而且一旦微调，就会在推理成本和路线图上持续依赖那家提供商。业务量越大——比如文件审查这类工作——体积小、成本低的自建模型就越划算。
第二是数据。在Westlaw等自家工具环境中直接进行训练时，性能会大幅提升，而公司表示不会把这种访问权开放给任何外部企业。
第三是复利效应。Hron将其比喻为"租房子和买房子的区别"。每次更新产品，专家审核过的内容都会沉淀为训练数据；如果是自建模型，这些积累会随时间越滚越大、成为长期资产，而使用别人的模型，这份价值就会流向提供商那一边。
Hron表示，未来AI的竞争力将取决于"如何协调调度，以及能否判断哪些智能重要到值得自己拥有"。
目前如何使用
发布之初，Thomson将负责法律AI产品CoCounsel Legal中的表格分析（Tabular Analysis）功能。公司判断，这类任务用体积小、成本低的模型来处理也完全划算。产品本身依然采用多模型协同的架构，管理员可以更换模型，Thomson并不是统筹全局的角色，而是承担引文核实之类的下游任务。公司表示客户数据不会被用于训练。
小型版本计划以非商业许可的形式发布在Hugging Face上，随后还会公布技术报告和开发者门户。据Hron透露，与各家律所就直接授权展开的初步磋商也已在进行，但目前尚不具约束力。
编辑视角
这个案例有意思的地方在于，它提出的不是"谁能造出更聪明的模型"，而是"谁有资格拥有自研模型"这个问题。汤森路透之所以能算清这笔账，是因为同时具备三个条件：独有数据、数百名全职领域专家，以及能够客观评分结果的工作流程。这个组合表明，在开源社区仅用几个月就能追上前沿实验室的当下，具备这三个条件的企业，用4000万美元也能打造出足够有竞争力的专用模型。反过来说，如果一家公司既没有独有数据，也没有评分结果的方法，走同样的路，往往只会留下无休止的维护成本。
从代际比较来看，还有一个值得注意的细节：仅靠网络检索能力比较时，Thomson不敌GPT-5.4；但GPT-5.4一旦接入自家内容，性能提升幅度也和Thomson相当。这说明起决定作用的不是专门训练本身，而是数据访问权，等于公司自己也承认了——领先的原因不是"我们的模型特别"，而是"只有我们拥有这些数据"。国内企业中，如果同时拥有法律、医疗、金融等领域的独家数据和专家审核体系，这套算法完全值得照搬。反之，如果既没有这样的数据，也没有评分体系，仅仅跟风"我们也要有自研模型"，很可能只会让成本不断攀升。
未来几个月内，很可能会换用更强的Qwen变体，推出突破10%内容使用上限的下一代版本。届时，仅凭网络检索能力能否超越前沿模型，将成为检验这场实验是否真正奏效的下一道试金石。
评论