汤森路透推出法律专用AI模型

全球内容巨头汤森路透（Thomson Reuters）本周正式发布了其首个自研大语言模型“Thomson”，并率先将其部署在旗下法律AI助手CoCounsel的表格分析（Tabular Analysis）功能中。这一动作标志着这家拥有超过150年法律出版历史的老牌信息服务机构，不再满足于单纯调用外部大模型，而是开始构建自己的垂直领域智能核心。据悉，该项目历时两年，投入约4000万美元用于人员和算力，但通过采用开源基础模型叠加自有知识库的路线，最终一次训练成本被压缩至约45万美元。 汤森路透此举并非要在通用AI领域与OpenAI、Anthropic等前沿实验室正面竞争，而是瞄准了“法律智能”这一垂直赛道的制高点。公司AI与TR Labs全球负责人Joel Hron直言：“Thomson需要在法律领域设定智能的边界，这与许多前沿实验室的任务截然不同。”其核心策略是：基于一个开放权重模型，注入公司独有的法律内容、专业训练方法及行业知识，并通过持续学习技术避免“偏科”导致通用能力退化。训练过程中，数百名法律专家参与了目标定义、案例生成和盲测评审，模型还被重新校准以符合公司价值观，并学会了调用Westlaw（含超4万个数据库）和Practical Law等自有工具。内部测试显示，在仅能访问互联网时，Thomson与主流模型水平相当；一旦接入汤森路透的专属内容库，其答案完整性和引证支持度便达到“持平或略优”的水平。 对于中国跨境电商卖家和出海法律从业者而言，这一动向值得关注。一方面，法律服务的AI化正在从“通用问答”向“专业深度”演进，汤森路透验证了“垂直数据+开源模型”的高效路径，未来涉及美国市场合规、知识产权纠纷等场景的法律文书审查，可能会因这类专业模型而大幅降低成本。另一方面，汤森路透强调客户数据不用于训练模型，并计划在Hugging Face上发布非商业学术许可的小型开放权重版本，这为国内AI法律工具开发者提供了可借鉴的范式——如何在不依赖顶级算力的前提下，用高质量行业数据构建护城河。目前，该公司仅使用了其总信息库中约10%的内容，下一步将把最有价值的产品活动转化为更好的训练信号，并计划开放API供外部开发者测试。