汤森路透最近做了一件让法律科技圈侧目的事：花了大价钱，自己训练了一个法律大模型，名字就叫“Thomson”。

这个模型不是拿现成的GPT微调一下那么简单。公司披露，过去两年多时间里，他们在人力和算力上投入了约4000万美元。外界流传更广的那个45万美元的数字，其实只是当前版本最后一次正式训练的运行成本，远不是全部投入。

打开网易新闻 查看精彩图片

但汤森路透自己心里清楚，真正的“家底”不是这4000万美金，而是Westlaw、Practical Law、Checkpoint这些法律数据库里沉淀了几十年的内容，以及几百位领域专家投入的工作时间。这才是别人抄不走的护城河。

底座是阿里的，安全是重新训的

Thomson的底座是阿里开源的Qwen系列，目前用的是Qwen3.5-397B。汤森路透和帝国理工学院合作，先对这套中文模型做了安全、伦理和政治中立性的再训练，这个中间版本有个特别的名字，叫“Snowdon”，取自威尔士的一座山。

之后才是重头戏：用公司自己的内容做预训练，让领域专家参与后训练，再在自家工具环境里做基于智能体的强化学习。到目前为止，汤森路透手里可用的内容，只有不到10%被喂进了模型。

“模型工厂”比模型本身更重要

CTO Joel Hron透露，团队已经换了大概五六次开源基座模型。研究负责人Jonathan Schwartz的总结更耐人寻味：更大的发现不是某一个模型有多强，而是他们建起了一座“模型工厂”——一套能快速迭代、持续产出专用模型的流水线。

这种思路和直接调用OpenAI或Anthropic的API完全不同。后者是租别人的大脑，前者是给自己建一条生产线。

成绩单：领先有，短板也明显

汤森路透在官方博客里说Thomson跻身全球最好模型之列，但自家公布的评测数字其实更冷静。

在斯坦福的LegalBench法律基准上，Thomson得分0.823，落后于Gemini 3.1 Pro和GPT-5.5。在Harvey法律智能体基准上，它排在Opus 4.8之后。它领先的地方是指令遵循和难度很高的PrBench Legal基准，但在推理、尤其是代码能力上，掉队明显。

评测方法上也有点“田忌赛马”的意思：Thomson用了测试时扩展（test-time scaling），而GPT-5.5是在不开启推理模式的情况下跑的。

自家内容的加持，才是真正的杀手锏

最能说明问题的是公司内部Deep Research基准的对比。只给联网权限时，Thomson的事实准确率是0.53，GPT 5.4是0.65，差距不小。但一旦允许访问汤森路透自家内容库，Thomson反超到0.83，GPT 5.4是0.82，微弱领先。

评测负责人Andrew Bean承认，只联网的话，Thomson“和其他模型在一个水平线上，但肯定还不是领跑者”。

有意思的是，GPT 5.4在拿到同样内容后，成绩提升幅度几乎一样大。这说明数据访问本身带来的增益，和专门训练带来的增益差不多。换句话说，汤森路透的内容库是真正的金矿，谁挖到都能提分，只是自家模型挖起来更顺手。

为什么非要自研，而不是微调GPT？

汤森路透给出了三个理由。首先是经济账：标准微调在特定任务上可能够用，但长期看，高频调用外部前沿模型的API成本会持续累积，自研模型在规模化后边际成本更低。

其次是数据安全与合规。法律行业对数据隐私和保密要求极高，把客户数据送到第三方模型手里，本身就是风险。自研模型可以完全部署在自有环境内，数据不出门。

第三是对工具链的深度掌控。Bean提到，能用自己的工具训练和演练，带来的提升是巨大的，这是外部供应商做不到的。模型可以学会调用Westlaw的检索逻辑、Practical Law的实务流程，这些深度整合是通用API无法提供的。