AnswersPublished17 sources
Thomson Reuters satser 40 millioner dollar på at eje sin egen AI
Thomson Reuters har lanceret Thomson, sin første egen store sprogmodel, efter en investering på cirka 40 millioner dollar over mere end to år. Thomson er trænet på udvalgt materiale fra Westlaw, Practical Law, Checkpoint og Reuters.
Udgivet afRedigeret med GPT-5.6 LunaBilleder genereret med GPT Image 1.5
Research answer
Key takeaways
- Thomson Reuters har lanceret Thomson, sin første egen store sprogmodel, efter en investering på cirka 40 millioner dollar over mere end to år.
- Thomson er trænet på udvalgt materiale fra Westlaw, Practical Law, Checkpoint og Reuters.
- Modellen tog ifølge ekstern rapportering udgangspunkt i Alibabas Qwen og en mellemmodel kaldet Snowdon, men virksomhedens officielle meddelelse omtaler kun et stærkt open source grundlag.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Thomson Reuters announce about its first proprietary large language model, Thomson—including its approximately $40 million, two-yea. Article summary: Thomson Reuters announced **Thomson**, its first proprietary large language model: a specialized, company-controlled AI system initially deployed in CoCounsel Legal’s Tabular Analysis document-review workflow. The compan. Topic tags: general, general web, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers
Thomson Reuters har lanceret Thomson, virksomhedens første egen store sprogmodel. Målet er at få større kontrol over den AI, der ligger inde i virksomhedens professionelle produkter. Modellen skal i første omgang håndtere Tabular Analysis, en omfattende arbejdsgang til dokumentgennemgang i CoCounsel Legal, mens Anthropics Claude fortsat skal drive en stor del af platformen. 7
11
Meldingen er derfor ikke et farvel til eksterne AI-leverandører. Den peger snarere på en hybridstrategi: Thomson Reuters vil selv eje de systemer, der får mest ud af virksomhedens egne data og faglige ekspertise, mens eksterne frontmodeller fortsat skal bruges dér, hvor de passer bedre.
Hvad har Thomson Reuters annonceret?
Thomson Reuters oplyser, at virksomheden har brugt omkring 40 millioner dollar over mere end to år på medarbejdere og computerkraft til at udvikle Thomson. Beløbet må ikke forveksles med de cirka 450.000 dollar, som den afsluttende træningskørsel kostede. Den udgjorde kun ét trin i det samlede projekt. 2
6
Virksomheden beskriver Thomson som en model, der er fuldt ejet og kontrolleret af Thomson Reuters, og som er trænet og drives til en brøkdel af prisen for sammenlignelige frontmodeller. 7 Den første produktionsanvendelse bliver Tabular Analysis i CoCounsel Legal. Her er modellen målrettet struktureret dokumentgennemgang – ikke nødvendigvis alle de opgaver, som assistenten kan løse.
11
Qwen og Snowdon indgår i den rapporterede udviklingshistorie
I sin officielle meddelelse identificerer Thomson Reuters udgangspunktet som et ”stærkt open source-grundlag”. 7 Ekstern rapportering, blandt andet med henvisning til virksomhedens teknologidirektør, har siden identificeret grundlaget som Alibabas Qwen. Andre medier beskriver et fælles Thomson Reuters- og Imperial College London-projekt, hvor Qwen blev omarbejdet til en mellemmodel kaldet Snowdon. Her var fokus blandt andet på etisk, politisk og sikkerhedsmæssig tilpasning, før modellen blev trænet yderligere på professionelt indhold.
2
14
Forskellen er vigtig: Qwen og Snowdon er en del af den rapporterede udvikling, men Thomson Reuters nævner ingen af dem i den officielle lancering. Den mest sikre beskrivelse er derfor, at Thomson begyndte med et open source-grundlag og siden blev tilpasset og trænet til Thomson Reuters’ professionelle anvendelser. 7
Udvalgt fagligt indhold – ikke hele arkivet
Thomson Reuters siger, at Thomson er trænet på autoritativt materiale fra Westlaw, Practical Law, Checkpoint og Reuters, og at hundredvis af fageksperter har bidraget til træning og evaluering. 7
Ifølge rapportering udgør det indhold, der indtil videre er brugt, mindre end 10 procent af Thomson Reuters’ samlede indholdsbibliotek. 2 Tilgangen viser et centralt designvalg: Modelkvaliteten skal ikke nødvendigvis skabes ved at hælde hele virksomhedens arkiv ind i systemet, men gennem nøje udvalgt indhold, faglig ekspertise og evaluering af konkrete opgaver.
Det er især relevant i professionelle arbejdsgange, hvor modellens værdi ikke kun afhænger af generelle sprogevner. Den skal også kunne arbejde pålideligt sammen med troværdigt indhold og specialiserede værktøjer.
Claude forsvinder ikke fra CoCounsel
Thomson Reuters har ikke planer om at erstatte Anthropic Claude i hele CoCounsel. Thomson skal tage sig af opgaver, hvor den specialiserede træning og adgangen til Thomson Reuters’ egne data giver en fordel. Claude ventes samtidig fortsat at drive en stor del af platformen som led i virksomhedernes udvidede samarbejde. 7
11
Det skaber en hybridarkitektur:
- Thomson til udvalgte arbejdsgange med stort volumen, eksempelvis Tabular Analysis.
- Claude og andre eksterne modeller til opgaver, hvor brede egenskaber fra frontmodeller er mere nyttige.
- Virksomhedens egne systemer og data, når pris, tilpasning og driftsmæssig kontrol vejer tungest.
For virksomheder, der køber AI, er læringen praktisk: At eje en model kræver ikke, at man dropper modelleverandørerne. En mindre, specialiseret model kan fungere side om side med større modeller, hvis de hver især får de opgaver, de løser bedst.
Økonomien i at eje frem for at leje
Thomson Reuters’ argument er både økonomisk og strategisk. Når en ekstern leverandør skal betales for hver forespørgsel, bliver det en løbende driftsudgift. Samtidig bliver virksomheden afhængig af en anden aktørs priser, produktplaner, tilgængelighed og politikker. En egen model kræver en stor investering på forhånd, men bliver til gengæld et aktiv, som virksomheden selv kontrollerer. 7
13
Investeringen på 40 millioner dollar viser også, hvorfor tallet på 450.000 dollar kan være misvisende. Den afsluttende træningskørsel vakte opsigt, fordi den ligger langt under de beløb, der forbindes med træning af de største frontmodeller. Men det samlede projekt omfattede også medarbejdere, computerkraft, modeludvikling, databehandling, evaluering og arbejdet fra fageksperter. 2
6
Thomson Reuters’ grundidé er, at en virksomhed med værdifulde egne data ikke behøver at bygge en generel model fra bunden for at få værdi ud af AI. Den kan tage udgangspunkt i en åben model, specialisere den og eje det system, der ligger tættest på virksomhedens vigtigste arbejdsgange.
En mindre åben version er på vej
Thomson Reuters planlægger at udgive en mindre version med åbne vægte på Hugging Face til akademisk og ikke-kommerciel forskning. Juridiske forskere skal bidrage til den eksterne evaluering. 10
Det betyder ikke nødvendigvis, at produktionsmodellen Thomson bliver fuldt åben. Den planlagte udgave skal snarere forstås som en forsknings- og evalueringsversion, der giver eksterne eksperter mulighed for at undersøge modellens resultater og begrænsninger.
Hvad ved vi – og hvad ved vi ikke?
Det bekræftede billede er, at Thomson Reuters har lanceret en virksomhedskontrolleret sprogmodel, investeret omkring 40 millioner dollar i udviklingen, trænet den på udvalgt professionelt indhold og først taget den i brug til juridisk dokumentgennemgang. 7
11
Oplysningerne om Qwen som grundlag, Snowdon som mellemmodel og samarbejdet med Imperial College London giver vigtig baggrund, men stammer fra ekstern rapportering og ikke fra virksomhedens offentlige lancering. 2
14 På samme måde er bekymringer om sikkerheden ved kinesiske open source-grundmodeller et spørgsmål om forsyningskæde og styring. Den tilgængelige rapportering dokumenterer ikke, at der er fundet en bagdør i Qwen, Snowdon eller Thomson.
Den større betydning er strategisk. Thomson Reuters forsøger ikke at vinde markedet for generelle chatbots. Virksomheden undersøger, om en specialiseret model, trænet på værdifuld faglig viden og brugt selektivt, kan mindske afhængigheden af lejet AI – samtidig med at den giver bedre økonomi og større kontrol over de opgaver, der betyder mest.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Thomson Reuters satser 40 millioner dollar på at eje sin egen AI"?
Thomson Reuters har lanceret Thomson, sin første egen store sprogmodel, efter en investering på cirka 40 millioner dollar over mere end to år.
What are the key points to validate first?
Thomson Reuters har lanceret Thomson, sin første egen store sprogmodel, efter en investering på cirka 40 millioner dollar over mere end to år. Thomson er trænet på udvalgt materiale fra Westlaw, Practical Law, Checkpoint og Reuters.
What should I do next in practice?
Modellen tog ifølge ekstern rapportering udgangspunkt i Alibabas Qwen og en mellemmodel kaldet Snowdon, men virksomhedens officielle meddelelse omtaler kun et stærkt open source grundlag.