湯森路透推出自研前沿模型 Thomson：4,000 萬美元打造的法律稅務專用 LLM

2026 年 8 月 24 日，湯森路透（Thomson Reuters，Nasdaq: TRI）正式推出 Thomson——該公司首個完全自主研發的大型語言模型。這是目前最明確的訊號：前沿 AI 不再是十億美元實驗室的專利；同時也是一場高風險實驗，考驗領域專用模型能否在專業工作上擊敗通用型巨頭。

用零頭成本打造的前沿模型

最令人咋舌的是那個數字：湯森路透表示，Thomson 的總投資為 4,000 萬美元（涵蓋人才與算力）。前沿實驗室單次訓練動輒燒掉數十億美元。根據加拿大媒體 The Logic 報導，技術長 Joel Hron 在記者會上透露，最終一次訓練運行的成本約僅 45 萬美元——在訓練成本以九位數起跳的產業裡，這幾乎是零錢等級。

秘訣在於起點。湯森路透並未從零開始預訓練，而是選擇強大的開源基礎模型——據報導以阿里巴巴的 Qwen 為藍本——再施加最先進的中期訓練（mid-training）與後訓練（post-training）技術。Hron 直接挑戰了業界的規模迷信：「多年來，AI 產業把規模當作唯一答案：更大的模型、更多算力、更多資金。Thomson 證明還有另一條路——從強固的基礎出發，針對真正重要的工作深度專業化，就能打造出能力強大、效率更高、且完全自主控制的智慧。」

模型到底「知道」什麼

金錢買不到的，內容買得到。Thomson 的訓練素材是數十年積累的權威專有內容：Westlaw、Practical Law、Checkpoint 與 Reuters 新聞——這些是律師、稅務專家與記者押上職業生涯的信譽來源。數百位領域專家從訓練目標的設計到最終評估全程參與，並透過人工與自動化紅隊測試進行壓力檢驗。

更值得注意的是，該公司表示目前訓練僅使用了湯森路透不到 10% 的內容，未來在不更換架構的情況下，能力仍有巨大提升空間。

7 月由湯森路透研究院發布的早期評測結果令人側目。在指令遵循（IFEval、FollowBench）、推理（GPQA Diamond、HLE、MMLU-Pro）、程式設計（SWE-Bench Pro、Terminal-Bench 2）與長上下文等綜合基準上，Thomson 的表現與 Claude Opus 4.8 具競爭力，且領先 GPT-5.5、Claude Sonnet 5 與 Gemini 3.1 Pro——而它的規模與訓練成本僅為對手的一小部分。

真正的優勢：引註與完整度

最關鍵的主張在於事實查核（grounding）。在由內部領域專家撰寫的 53 道法律研究查詢上，具備 Westlaw、Practical Law 與 Reuters 原生存取權的 Thomson，在「完整度」與「事實性」（引註來源是否真正支持每項主張）兩項指標上，擊敗了擁有無限制網路存取權的頂尖前沿模型。

這一點至關重要，因為虛構引註（幻覺引註）早已是法律 AI 的致命傷。外部評測者也注意到同樣的優勢。華盛頓大學法學院的 Jonathan H. Choi 表示：「我用公司稅法課堂上學生問過的一些最刁鑽的問題測試了 Thomson、ChatGPT 與 Claude。三個模型都答對了，但我整體上更偏好 Thomson 的回答——尤其是它連結到權威論著（treatises），讓回答對法律工作更透明、更實用。」皇后大學衝突分析實驗室主任 Samuel Dahan 教授則發現，即使在沒有加拿大專屬設定的情況下測試加拿大勞動法問題，Thomson 的引註品質仍「與領先的前沿模型大致相當」。

部署：先進 CoCounsel，下一步主權 AI

Thomson 的第一個生產環境部署，是成為 CoCounsel Legal 中「表格分析」（Tabular Analysis）功能的預設模型，於 8 月上線——這是刻意挑選的切入點，因為高流量、結構化的文件審閱，正是專用模型優勢最能立即量化顯現的工作。CoCounsel 在設計上仍保持多模型架構：Thomson 負責專業化取勝的任務，Claude 等其他模型繼續處理其餘工作。未來一年將逐步整合至法律與稅務產品線，並計劃推出主權 AI（sovereign AI）選項，讓客戶能掌控模型的運行地點與方式。

該公司同時在 Hugging Face 上釋出 Thomson 的「小型」開放權重版本，供學術與非商業用途——此舉一個月前 OpenAI 模型才剛在駭客攻擊中被鎖定，此時的開放姿態格外引人注目。公司強調，未經明確同意，客戶資料絕不用於訓練模型。

為什麼湯森路不得不這麼做

這個故事的原點既是創新，更是求生。今年 2 月，Anthropic 推出法律科技工具後，湯森路透股價重挫，市場擔憂通用 AI 將吞噬利基法律軟體；幾天後，該公司靠著宣揚與 Claude 的緊密合作安撫投資人。與此同時，軟體業蔓延著新的焦慮：前沿模型 API 太貴了。Uber 等公司的 AI 預算快速燃燒，迫使供應商砍訂閱價。自持模型——尤其是推論成本低的模型——既是成本避險，也是對供應商的談判籌碼。

股價尚未因此得救：本月財報發布當天下午，股價仍跌近 10%，CIBC 分析師指出 AI 投資將壓縮本已吃緊的利潤率。但戰略盤算已經改變。正如 The Logic 所言：湯森路透如今擁有內容、專業、工具——以及模型。

更大的賭注：領域专用 AI 的成年禮

這齣戲碼業界並不陌生，而且上次失敗了。最著名的金融專用 LLM 嘗試 BloombergGPT，最終不敵快速進步的現成通用模型。但局勢已然轉變：開放權重基礎模型已強大得多，客製化工具鏈也日趨成熟。Mistral 曾公開主張領域專用模型能提供更好的資料控制與效能，法律科技創業者也觀察到，開放權重模型採用率的提升，正在鼓勵更多公司投入這類實驗。

湯森路透的早期結果也挑戰了一個安逸的假設——最好的通用模型只要能存取對的內容，就能達到專家水準。該公司的數據顯示：專有訓練加上人類專家，能帶來單靠檢索（retrieval）無法達到的提升。

該公司將此標準命名為「Fiduciary-Grade AI」（受託人等級 AI）——為肩負誠信義務的專業者打造的模型，因為「差不多正確」就是不及格。行銷話術歸行銷話術，背後的問題卻是真實的：如果一個 4,000 萬美元的專家模型，能在律師與會計師真正計費的工作上，與 100 億美元的通才們平起平坐，那麼整個 AI 堆疊的經濟學——從 GPU 分配到 API 定價——都將被迫重新議價。Thomson 是這個命題的第一場認真考驗，而提出考驗的公司，早已握有客戶。