Thomson Reuters 推出自家 LLM「Thomson」：4000 萬美元訓練成本，要在法律領域擊敗前沿實驗室

今年最重要的 AI 模型發表之一，不是來自舊金山，也不是來自倫敦，而是來自多倫多一家擁有 175 年歷史的法律資訊公司。Thomson Reuters 本週正式推出自家的法律專用大語言模型 Thomson，而早期的測試數據顯示：最強的專業 AI，未來未必只能出自前沿 AI 實驗室之手。

加拿大媒體 The Logic 週一的報導指出，這次發表被視為一項關鍵測試——垂直領域專用模型能否真正與 Claude、GPT、Gemini 這類通用巨頭正面競爭，同時成本只需其零頭。

Thomson 到底是什麼

Thomson（首個量產版本技術上稱為 Thomson-1-Large）源自一場低調的長期布局：2024 年 Thomson Reuters 收購 AI 研究新創 Safe Sign Technologies 後展開研發。其架構決策最耐人尋味——公司並非從零預訓練，而是以開源基礎模型（架構大致基於阿里巴巴的 Qwen）為起點，再套用其所稱最先進的中期訓練（mid-training）與後訓練（post-training）技術。

在這個基礎之上，模型浸泡了來自 Westlaw、Practical Law、Checkpoint 與 Reuters 新聞數十年的專有內容，並由數百位領域專家評估輸出、找出失敗模式、驗證法律推理。值得注意的是，Thomson Reuters 強調客戶資料從未用於訓練——對律師事務所而言，這是關鍵的信任底線。

還有一個細節值得玩味：目前為止，Thomson Reuters 的專有內容只有不到 10% 被用於訓練。 公司明確將此定位為「會複利成長的資產的第一版」，隨著更多語料注入，能力還有大幅提升空間。

治理層面也有獨到設計。高層表示，有一個次要模型負責審查並重新對齊底層開源技術，確保符合 Thomson Reuters 在安全、倫理與政治中立方面的標準——這是對通用模型常見「立場偏見」疑慮的一次刻意回應。

經濟學：總投入 4,000 萬美元，最終訓練一次 45 萬美元

財務數字是整個策略最挑釁的部分。執行長 Steve Hasker 在本月法說會上表示，公司開發 Thomson 總計投入約 4,000 萬美元——與 OpenAI、Anthropic、Google 動輒數十億美元的訓練預算相比，幾乎只是零頭。

技術長 Joel Hron 在記者會上給出更驚人的數字：Thomson 的最終訓練跑一次約需 45 萬美元。 在前沿模型單次訓練成本被外界估計達數億美元的產業裡，這個數字本身就在重新定義「有競爭力」的門檻——前提是基準測試經得起檢驗。

動機很直白：成本與控制權。前沿模型的定價已成為整個軟體業的痛點——Uber 公開抱怨 AI 預算燃燒速度，Google 則以大幅調降訂閱價格回應。對一家利潤率已比投資人預期更緊的公司（CIBC 分析師警告 AI 投資將侵蝕獲利）而言，擁有模型就等於擁有推論成本的主導權，並對仍在使用的供應商取得談判籌碼。

基準測試：真實的勝利，附帶但書

7 月 31 日，技術長 Joel Hron 與 AI 研究主管 Jonathan Schwarz 發表了 Thomson 的首批基準測試結果，對比 Gemini 3.1 Pro、Claude Opus 4.8 與 GPT-5.5，涵蓋三項法律基準與四項通用領域綜合測試。Thomson 在七項中的三項拿下第一：

• PrBench Legal Hard：Thomson 0.352——全場最佳，領先 GPT-5.5（0.333）、Opus 4.8（0.315）與 Gemini 3.1 Pro（0.293）
• 指令遵循（IFEval + FollowBench）：Thomson 0.914——全場最佳
• 長上下文（Infinity Bench + 內部基準）：Thomson 0.753——最佳，險勝 Gemini（0.750）
• 史丹佛 LegalBench：Thomson 0.823——落後 Gemini 3.1 Pro（0.843）與 GPT-5.5（0.832），領先 Opus 4.8（0.818）
• Harvey Legal Agent Benchmark：Thomson 0.857——些微落後 Opus 4.8（0.869），遠勝 Gemini（0.555）
• 推理（GPQA Diamond、HLE、MMLU-Pro）：Thomson 0.684——落後 Gemini（0.748）與 Opus（0.737）
• 程式碼（SWE-Bench Pro、Terminal-Bench 2.1）：Thomson 0.399——墊底，遠落後 Opus（0.598）

程式碼墊底是刻意為之，而非失敗。高層證實，公司訓練 Thomson 的重心放在新聞、法律與稅務，而非投入寫程式這類功能——與前沿實驗室「什麼都要最強」的路線形成鮮明對比。

法律科技記者 Bob Ambrogi 在 LawSites 的深入分析點出了重要但書。Thomson 在評測中使用了測試時擴展（test-time scaling）（不過 Hron 表示影響輕微：總平均從 0.787 提升到 0.789）。更關鍵的是，GPT-5.5 是以非推理模式受測——因為推理模式的評測來不及完成，這意味著 OpenAI 的數字很可能被低估。此外，所有結果皆為自行發布，尚無第三方獨立驗證；Hron 坦言，外部驗證將是「Thomson 未來被評價的重要一環」。

第二項評測更凸顯其定位：在 53 道由內部領域專家撰寫的法律研究問題上，接上 Westlaw 與 Practical Law 的 Thomson，在完整度與事實性兩個維度都擊敗了可自由存取網路的尖端模型。Ambrogi 中肯地指出，這測的其實是內容護城河而非模型本身——不過 Hron 補充，當尖端模型透過較簡單的工具鏈取得 Thomson Reuters 內容時，四個模型的總分落在 0.81 到 0.91 之間，Thomson 拿到 0.89。

現在去哪裡用得到

部署已經展開。8 月起，Thomson 成為 CoCounsel Legal「Tabular Analysis」功能的預設模型——這是高流量結構化文件審閱功能，律師最多可審閱 10,000 份文件、提出 100 個問題。它與 8 月 20 日全面上線的下一代 CoCounsel Legal（全代理式 AI 體驗）同步推出。

模型也將登上 Hugging Face，讓開發者與研究者直接檢驗——對一個企業專有模型而言，這種開放程度相當罕見。未來一年，Thomson Reuters 計畫將其整合進整個法律與稅務產品線。

有趣的是，公司同時雙向下注：推出 Thomson 的同時，本月也與 Anthropic 深化合作，擴大 CoCounsel Legal 與 Claude 的 MCP 整合。策略很清楚——基礎設施保持模型中立，自家的模型則用在它真的能贏的地方。

為什麼這件事的意義超越法律科技

Thomson Reuters 的股價史道盡了這次發表背後的焦慮：2 月 Anthropic 推出法律科技工具後股價重挫，8 月財報發布當日又跌了近 10%。推出 Thomson，既是技術策略，也是投資人關係策略。

但更大的訊號是給所有坐擁專有資料的企業。早期的垂直模型嘗試（如 BloombergGPT）曾不敵現成模型；而 Thomson——踩著開源 Qwen 的地基、低廉的訓練成本、刻意收窄的戰線——是迄今最強的證據，顯示局勢已經翻轉。隨著 Mistral 等公司力推 LLM 客製化、法律科技業者全面自建模型以削減推論費用，前沿實驗室最強的對手，可能來自那些從沒想過要成為 AI 實驗室的公司。

「最強的 AI 模型不再只來自前沿實驗室，」Hron 與 Schwarz 寫道，「現在，有一個來自 Thomson Reuters。」基準測試的結論是：大體屬實——附帶但書。而經濟學的結論是：這樣或許就夠了。