2026 年 8 月 24 日，路透社母公司汤森路透（Thomson Reuters）正式推出其首款大语言模型 Thomson，并计划让其逐步接手 Anthropic Claude 承担的任务。
这款面向法律等专业领域的模型并非从零训练，其技术底座来自阿里巴巴开源的 Qwen。
Business Insider 报道称，Thomson 基于 Snowdon 开发，而 Snowdon 是汤森路透与英国帝国理工学院团队对阿里 Qwen 开源模型进行重新对齐后形成的模型。
汤森路透首席技术官 Joel Hron 表示，双方团队花费数月对 Qwen 进行调整，以满足安全、伦理和政治中立等要求。
Joel Hron
汤森路透没有直接披露底层模型来自 Qwen，仅表示 Thomson 从一个“强大的开源基础”开始构建。
Hron 向 Business Insider 确认了 Qwen 的技术来源。
汤森路透为 Thomson 投入约 4000 万美元（2.69 亿元人民币），覆盖人才和计算资源。
与从头训练通用基础模型不同，汤森路透选择直接利用现有开源模型，再利用自身积累的专业数据和领域专家进行中期训练及后训练，以降低训练和长期运行成本。
汤森路透拥有 Westlaw、Practical Law、Checkpoint 和 Reuters 等专业内容资源，并拥有大量法律、税务、会计及新闻领域专家。
Thomson 的核心竞争力并非单纯扩大模型参数，而是将这些专业数据和专家知识加入训练流程。
汤森路透表示，目前用于 Thomson 训练的自有内容还不到全部内容库的 10%。
此款模型的一个重要目的，是降低对 Anthropic 等外部 AI 模型供应商的依赖和成本。
目前，汤森路透旗下法律 AI 助手 CoCounsel 仍主要依赖 Claude。今年 5 月，汤森路透还扩大了与 Anthropic 的合作，因此推出 Thomson 并不代表汤森路透将停止使用 Claude。
Hron 表示，Thomson-1 将接手部分此前由 Claude 处理的任务，但并不是为了完全取代 Anthropic。
“我们的主要目标，是随着时间推移，让 Thomson 成为驱动 CoCounsel 越来越多功能的模型。”Hron 表示。
汤森路透采用的实际上是一套多模型策略，在自身拥有专业数据和成本优势的任务上使用 Thomson，而在其他任务上继续调用 Anthropic 等外部前沿模型。
Thomson 首个落地场景就是 CoCounsel Legal 中的 Tabular Analysis。这是一项面向大规模法律文件的结构化审查功能，Thomson 将成为该功能的默认模型。汤森路透计划未来一年继续将 Thomson 扩展至更多法律和税务产品。
汤森路透此前公布的早期测试显示，Thomson 在部分法律专业任务上的表现已经能够与 Claude Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro 等前沿模型竞争，并在部分法律专项测试中取得更高成绩。
相比单纯的性能竞争，汤森路透更看重模型带来的成本和控制权。
Hron 将使用外部模型和自有模型的区别比作“租房”和“买房”。
使用外部模型可以快速获得能力，但企业需要持续向模型供应商付费；拥有自己的模型，则可以将数据、知识产权和后续训练形成的价值长期沉淀在内部。
对于 Anthropic 而言，这也显示出企业 AI 市场正在出现新的变化。大型企业并不一定需要从零投入数十亿美元训练基础模型，而是可以直接采用 Qwen 等开放权重模型，再利用自身专有数据进行专业化训练。
汤森路透此次只投入约 4000 万美元，就获得了一款完全由自身控制、能够承担实际生产任务的专业模型，并开始将原本交给 Claude 的部分工作迁移至自有模型。
随着企业 AI 应用规模不断扩大，模型 API 和推理费用也在持续增加。相比长期依赖 OpenAI、Anthropic 等外部模型，一些企业开始尝试用开源模型作为基础，再结合自身数据进行训练和优化，以降低成本并增强自主性。汤森路透此次采用阿里 Qwen 构建 Thomson，就是这一趋势的最新案例，也说明中国开源模型正开始进入西方大型企业的核心 AI 产品。
这一变化与早期云计算从公有云走向私有云、混合云的过程颇为相似。企业不会完全放弃外部前沿模型，而是逐步将高频、核心任务迁移到自有模型体系，同时保留对外部模型的调用。
云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。
热门跟贴