Thomson Reuters正式推出首款自有大模型Thomson：没有从零训练基础模型，而是以开放权重模型为起点，再用Westlaw、Practical Law、Checkpoint和Reuters等175年专业内容，以及律师、税务和新闻专家的判断进行持续训练。项目总投入约4000万美元，目前只使用了公司不到10%的内容；合作方DatologyAI称，最终训练运行的计算成本约为45万美元。在Thomson Reuters公布的评测中，Thomson-1-Large整体接近Claude Opus 4.8，并在复杂指令遵循、长上下文及部分法律测试上领先被比较的前沿模型。它的意义不只是法律AI又多了一个模型，而是说明拥有高质量专业数据和内部专家的企业，可能不必永远“租用”OpenAI或Anthropic的智能：可以把开放模型转化成自己拥有、自己部署并且更适合特定工作的基础资产。不过，主要成绩目前仍来自Thomson Reuters自测，完整技术报告尚未发布，模型规模、训练细节及第三方复现仍不充分。
文章作者、来源：Alexander Kardos-Nyheim，Thomson Reuters基础研究高级总监
真正稀缺的可能不是模型，而是“知道什么才算正确”
过去几年，企业建设AI产品时最常见的路线，是向OpenAI、Anthropic或Google购买模型调用，再把自己的文件、检索系统和工作流程接在模型外面。
这种方式可以迅速获得前沿能力，却形成了长期依赖：模型价格、服务地区、数据保留政策、上下文限制和产品路线都由供应商决定。企业即使拥有行业中最好的资料，也只能把它们作为模型调用时的外部上下文，无法让这些知识真正进入模型的行为和判断标准。
Thomson Reuters面对的正是这个问题。公司拥有Westlaw法律数据库、Practical Law实务资料、Checkpoint税务与会计内容以及Reuters新闻档案，积累时间最长可追溯至175年前；内部还有大量律师、编辑和行业专家。
团队的判断是，通用模型能力会在大型实验室和开放生态的竞争下越来越充足。真正长期稀缺的，是一家公司独有的专业语料，以及知道一份答案为什么正确、哪里存在风险、哪些引文能够经受复核的人。
这构成了Thomson的核心路线：不投入数十亿美元从零训练通用基础模型，而是从领先的开放权重模型开始，把自己的数据、专家标准和产品需求训练进去。
目前Thomson使用的基础是由Thomson Reuters与帝国理工学院联合研究实验室开发的Snowdon模型。多家报道及项目参与者称Snowdon源自Qwen系列开放模型，但Thomson Reuters发布正文没有明确列出当前底层Qwen检查点，因此具体版本无法完全核实。
4000万美元花在哪里
Thomson Reuters表示，Thomson项目总投入约4000万美元，其中同时包括人才与算力，并不只是一次模型训练的GPU账单。
DatologyAI在X上披露，Thomson-1.0-Large使用不到400块GPU完成训练，最终训练运行的计算成本约为45万美元。这组数字来自训练合作方，目前尚无完整技术报告或独立审计可以核对其计算口径。
成本之所以明显低于从零训练前沿基础模型，是因为Thomson继承了开放模型已经获得的语言、推理、编程和通用知识能力。团队需要解决的不是重新教会模型理解语言，而是让它在法律、税务、会计和专业研究中遵循更严格的标准。
公司目前只使用了内部内容库的不到10%。资料并不是简单全部投入训练：团队需要确认权利范围，清理、去重和结构化文本，再测试不同数据加入后究竟改善了哪些能力。
这种选择非常重要。一个庞大的法律档案中，并非所有内容对模型都同样有用。训练数据相关，并不等于它能真正提高准确率；大量重复、过时或缺少清晰判断标准的资料，反而可能降低模型质量。
专家没有直接“生产答案”，而是在制定标准
“由专家参与训练”已经成为AI公司的常见宣传语，但Thomson团队认为，关键问题是：一个律师的专业判断如何被转换成稳定的训练信号。
团队邀请具有合伙人级经验的法律从业者，用数月时间为高难度研究任务编制详细评分规则。一项跨司法管辖区的问题，可能包含15个必须覆盖的要点；普通回答即使语言流畅，只回答其中9个，也不能被视为合格。
训练还需要商业判断，而不只是法律条文。例如，一份商业合同中的赔偿条款可能非常关键；相同条款放在保密协议里，却未必是最值得律师优先关注的风险。如果模型只知道法律概念，不理解交易场景，就可能准确发现某项条款，却把专业人员的注意力浪费在错误的位置。
公司还投入数千小时的律师时间，对不同模型答案进行偏好判断。评分标准不只是“哪一份写得更好”，而是考虑客户立场、司法辖区、事项进度和实际工作目的。
Thomson Reuters约有1500名律师编辑。团队希望捕捉的不只是他们最终发表的文章，还包括从初稿走向正式版本的中间判断：为什么缩小某项主张，哪些证据被拒绝，某个说法为何不能写得更绝对。
这类没有被正式写入知识库的判断，才可能是专业机构最难复制的资产。
专业化训练最大的风险，是模型开始“不听话”
把通用模型变成法律专家，并非只会增加知识，也可能破坏原有能力。
领域训练容易产生“灾难性遗忘”：模型记住大量新领域内容，却失去预训练阶段形成的通用能力。Thomson团队援引相关研究指出，领域微调中最先明显退化的能力之一，可能不是事实知识，而是指令遵循。
这对专业工作尤其危险。一项法律任务通常同时包含格式、司法辖区、客户立场、排除事项、内部模板和引用要求。模型即使法律分析方向正确，只要漏掉一项限制，仍然需要律师重新加工，自动化价值便会迅速下降。
因此，Thomson把保留通用能力设为独立训练目标，而不是接受专业化必然带来的损失。在公司公布的评测中，Thomson-1-Large的综合指令遵循成绩为0.914，高于GPT-5.5的0.885、Claude Opus 4.8的0.861和Gemini 3.1 Pro的0.848。
它的长上下文综合成绩为0.753，也略高于Gemini 3.1 Pro的0.750、Claude Opus 4.8的0.741和GPT-5.5的0.703。
不过，Thomson并非在所有项目中领先。其推理综合成绩为0.684，低于Gemini 3.1 Pro的0.748与Claude Opus 4.8的0.737；编程成绩为0.399，也明显低于Claude的0.598和Gemini的0.500。
“引用能不能查证”比答案听起来专业更重要
Thomson Reuters把自己的路线称为“Fiduciary-Grade AI”，即面向承担注意义务、专业责任和监管要求人员的AI。这个名称属于公司自行提出的产品标准，并不是独立行业认证。
它强调的重点不是让模型回答得更像律师，而是让答案能够被检查。
团队设计了一项深度研究评测，由内部专家编写53个真实法律研究问题。Thomson通过Westlaw和Practical Law获取资料，被比较的通用模型则可以自由搜索公开网页。
在公司公布的数据中，几个系统对问题要点的覆盖程度比较接近；但在“回答中的每项主张能否由其引用来源支持”这项事实性指标上，Thomson得到0.83，被比较的两套前沿系统分别为0.65和0.68。
这一指标不是判断答案是否听起来合理，而是提取报告中的具体主张，再逐条检查引用资料是否确实提供了支持。
不过，这项测试由Thomson Reuters自行设计，Thomson能够访问公司独有的法律数据库，而竞争模型使用公开网页，数据条件并不相同。它证明专有内容与模型联合训练可能提高专业检索可靠性，却不能直接证明Thomson在所有法律任务中全面强于通用模型。
拥有自己的模型，不等于拒绝所有外部模型
Thomson将首先进入CoCounsel Legal的Tabular Analysis功能，用于高容量、结构化的文档审查。此类任务有明确字段和准确率标准，更容易验证专用模型是否真正带来改进。
但CoCounsel不会只使用Thomson。Thomson Reuters明确表示，产品仍将采用多模型架构：在Thomson具备专业优势的任务上使用自有模型，在其他任务中继续调用外部前沿模型。
这实际上是一种更现实的“企业AI主权”。企业不需要在完全依赖闭源API和完全自建所有模型之间二选一，而是判断哪些能力关系到成本、隐私和竞争优势，值得自己拥有；哪些通用能力更新太快，继续向外部供应商购买更合理。
Thomson Reuters还计划把一款较小版本以开放权重形式发布到Hugging Face，供学术和非商业研究使用。具体参数规模、发布时间和完整许可条件尚未公布，因此目前不能把它理解为整个Thomson系列已经全面开源。
企业AI的竞争正在从“谁能调用最强模型”转向“谁拥有训练材料”
Thomson最值得关注的信号，是前沿实验室不再天然拥有所有行业AI的最终优势。
法律、医疗、金融、保险和科研机构积累了大量专有资料，也拥有能够判断输出是否合格的专业人员。过去它们缺少的是足够强的基础模型；开放权重生态逐渐成熟后，这部分能力可以从外部获得，再由企业自己的数据与专家完成专业化。
但这条路线并不轻松。档案需要确认权利、清理和去重；专家之间会出现真实分歧；评分规则必须足够精确；模型还要避免专业化造成的通用能力下降。Thomson的4000万美元投入说明，“从开放模型出发”可以降低算力门槛，却不会让数据工程、评测和专业劳动变得免费。