Harvey Tenet מסמן מעבר ממודלי AI שכורים למודיעין משפטי בבעלות החברה
Harvey Tenet, שהוצג באוגוסט 2026, הוא המודל המשפטי הראשון של החברה שעבר אימון נוסף על בסיס Kimi K3 בעל המשקלים הפתוחים של Moonshot AI. המהלך מעניק ל Harvey שליטה רבה יותר בהתמחות המשפטית, בעלויות ההרצה ובפריסה — במקום להסתמך רק על מודלים סגורים של חברות כמו OpenAI ו Anthropic.
Harvey Tenet, שהוצג באוגוסט 2026, הוא המודל המשפטי הראשון של החברה שעבר אימון נוסף על בסיס Kimi K3 בעל המשקלים הפתוחים של Moonshot AI.
המהלך מעניק ל Harvey שליטה רבה יותר בהתמחות המשפטית, בעלויות ההרצה ובפריסה — במקום להסתמך רק על מודלים סגורים של חברות כמו OpenAI ו Anthropic.
What does Harvey, the San Francisco-based legal-technology start-up backed by OpenAI, Sequoia Capital, and Andreessen Horowitz, reveal aboutHarvey Tenet is the legal AI company’s first in-house model, post-trained on Moonshot AI’s Kimi K3.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What does Harvey, the San Francisco-based legal-technology start-up backed by OpenAI, Sequoia Capital, and Andreessen Horowitz, reveal about. Article summary: Harvey says Tenet is its first in-house legal model: an open-weight system post-trained on Moonshot AI’s Kimi K3 and optimized for complex legal reasoning. It is a strategic shift from tailoring rented, closed models to . Topic tags: general, general web, user generated. 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 fa
openai.com
Harvey Tenet הוא יותר מצ'אטבוט משפטי חדש. מדובר במודל הראשון של חברת התוכנה המשפטית שעבר אימון נוסף בתוך החברה, על בסיס Kimi K3 בעל המשקלים הפתוחים של Moonshot AI. את תהליך האימון ביצעה Harvey בשיתוף Fireworks AI, במטרה להתמודד עם משימות משפטיות ממושכות ומורכבות.
המשמעות העסקית רחבה: Harvey מנסה לעבור ממעמד של חברה שמתאימה ומפעילה מודלים של ספקיות אחרות, למעמד של חברה ששולטת בחלק גדול יותר משכבת המודל עצמה. אם המהלך יצליח, הוא עשוי להעניק לה שליטה טובה יותר בעלויות, בהתנהגות המודל ובדרך שבה משימות משפטיות מנותבות בתוך הפלטפורמה.
עם זאת, חשוב לסייג את התמונה. טענות הביצועים המרכזיות של Tenet מגיעות מ-Harvey עצמה. לפני שניתן יהיה לקבוע שהוא עדיף בפועל על מודלים מתחרים, נדרשים מבחנים בלתי תלויים ותוצאות שימוש רחבות בעולם המשפט.
מהו Harvey Tenet?
Harvey מתארת את Tenet כמודל הראשון שלה שעבר אימון נוסף, או post-training, במיוחד עבור עבודה משפטית. המודל מבוסס על Kimi K3, מערכת בעלת משקלים פתוחים שפותחה על ידי Moonshot AI, חברת ה-AI הסינית שמאחורי Kimi. Harvey עבדה עם Fireworks AI על תהליך ההתאמה והאימון.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Harvey Tenet מסמן מעבר ממודלי AI שכורים למודיעין משפטי בבעלות החברה"?
Harvey Tenet, שהוצג באוגוסט 2026, הוא המודל המשפטי הראשון של החברה שעבר אימון נוסף על בסיס Kimi K3 בעל המשקלים הפתוחים של Moonshot AI.
What are the key points to validate first?
Harvey Tenet, שהוצג באוגוסט 2026, הוא המודל המשפטי הראשון של החברה שעבר אימון נוסף על בסיס Kimi K3 בעל המשקלים הפתוחים של Moonshot AI. המהלך מעניק ל Harvey שליטה רבה יותר בהתמחות המשפטית, בעלויות ההרצה ובפריסה — במקום להסתמך רק על מודלים סגורים של חברות כמו OpenAI ו Anthropic.
אימון נוסף מתבצע לאחר אימון הבסיס של המודל. הוא אינו שקול לבניית מודל תשתית חדש מאפס, אלא לשיפור מודל קיים באמצעות נתונים, משימות ושיטות הערכה שמותאמים לתחום מסוים.
במקרה של Tenet, Harvey אומרת שהשתמשה במידע משפטי זמין לציבור, בנתונים סינתטיים ובנתונים שנוצרו על ידי מומחים אנושיים כדי לדמות עבודה משפטית הנמשכת שעות או יותר. המטרה היא לתמוך במשימות כמו סקירת חוזים, בדיקת נאותות ותהליכים משפטיים מורכבים נוספים.
זהו למעשה מודל אנכי: במקום להסתפק במודל כללי שמבין שפה, Harvey מנסה לעצב אותו סביב אופן העבודה של עורכי דין, סביב רצפי פעולות ארוכים וסביב סטנדרטים מקצועיים ספציפיים.
מה Harvey טוענת לגבי הביצועים?
Harvey טוענת ש-Tenet מציג ביצועים ברמה מתקדמת ביותר במבחן המשפטי LAB, וכן שהוא מכליל את היכולות שלו למבחנים משפטיים של צד שלישי. בעדכון שפרסמה החברה נכתב כי Tenet השלים כמעט פי שניים משימות שנשמרו לבדיקה ב-LAB, בהשוואה ל-Kimi K3 הבסיסי, וכן 20% יותר משימות חוזים ב-LAB. החברה דיווחה גם על שיפור בשיעור המעבר המלא של 9 ו-2 נקודות אחוז, בהתאמה.
הנתונים מצביעים על כך שתהליך האימון הנוסף שיפר את המודל הבסיסי במבחנים שבחרה Harvey. אבל הם אינם מוכיחים, כשלעצמם, ש-Tenet טוב יותר מכל מודל מתחרה בעבודה משפטית אמיתית. התוצאה יכולה להיות מושפעת מתכנון המבחן, מבחירת המשימות, מניסוח ההנחיות, משיטת ההערכה ומתנאי ההפעלה.
גם מועד הזמינות של המודל לא היה ברור לחלוטין בעת ההכרזה. לפי Business Insider, Tenet הוצג אך עדיין לא היה פעיל בתוך Harvey, והחברה לא מסרה מתי בדיוק יופעל. לכן, מבחן חשוב עבור המודל יהיה הביצועים שלו בסביבת ייצור אמיתית — ולא רק במסמכי ההשקה או במדדים פנימיים.
מדוע הבסיס של Kimi K3 חשוב?
הבחירה ב-Kimi K3 בולטת במיוחד משום של-Harvey יש קשרים חזקים לספקיות מערביות, והיא עבדה בעבר עם OpenAI על מודל משפטי שעבר התאמה ייעודית. באופן רחב יותר, פלטפורמות AI משפטיות הסתמכו על מערכות סגורות של חברות כמו OpenAI ו-Anthropic. במודל כזה, החברה משלמת עבור גישה ל-API ותלויה במחירים, בלוחות הזמנים ובתשתיות של הספקית.
מודל בעל משקלים פתוחים מעניק ל-Harvey חופש רב יותר לשנות, לאמן ולהפעיל את המערכת. החברה יכולה להחליט כיצד לבצע את האימון הנוסף, לאילו משימות להתאים את המודל ואילו סוגי עבודה לנתב אליו.
החופש הזה מגיע עם אחריות ועלויות חדשות. Harvey נדרשת לדאוג בעצמה לתשתיות, לאבטחה, לבדיקות איכות, לתחזוקה ולתפעול השוטף של המודל — משימות שספקיות חיצוניות נושאות בהן כאשר לקוח משתמש ב-API שלהן.
הבחירה גם מדגימה שינוי מעשי יותר ביחס למקורו של מודל AI. עבור משתמשים מסחריים, ארץ המקור עשויה להיות רק אחד משיקולי הבדיקה כאשר מודל בעל משקלים פתוחים מציע נקודת פתיחה חזקה, מאפשר התאמה טכנית ומשפטית ומציג כלכלת שימוש נוחה. עם זאת, הדבר אינו מבטל שאלות על מקור הנתונים, אבטחה, ממשל ארגוני ואמון מצד לקוחות. הוא הופך אותן לחלק בלתי נפרד מתהליך בדיקת המודל.
מדוע ל-Harvey כדאי להחזיק ביותר שכבות?
בפלטפורמה שמטפלת בעבודות מקצועיות יקרות-ערך, לכלכלת המודל יש השפעה ישירה על שולי הרווח ועל עיצוב המוצר. ממשקי API של מודלים מתקדמים חיצוניים מחייבים בדרך כלל לפי היקף השימוש, ולכן העלויות גדלות ככל שהלקוחות מעבדים מסמכים ארוכים יותר, מפעילים יותר שלבים אוטונומיים או מבקשים תהליכי חשיבה ממושכים. מודל פנימי עשוי לאפשר ל-Harvey לנתב משימות מתאימות לתשתית שבשליטתה, במקום לשלוח כל פעולה למודל של חברה אחרת.
אבל משקלים פתוחים אינם הופכים את ההרצה לחינמית. Harvey עדיין זקוקה לכוח מחשוב, להכנת נתונים, למערכות בקרת איכות ואבטחה ולמהנדסים שיתחזקו את המודל. החברה אומרת שהאימון הנוסף עודד שימוש יעיל יותר בכלים ובתהליכי חשיבה — מה שעשוי להפחית את מספר הטוקנים, כלומר יחידות הטקסט שהמודל מעבד, בזמן ההרצה.
מכאן עשויה להיווצר חלוקת עבודה: מודלים כלליים ויקרים יותר יטפלו בשאלות הקשות והפתוחות ביותר, בעוד שמודל ייעודי כמו Tenet יטפל בעבודה משפטית חוזרת ונפחית בהיקף גדול, בעלות תפעולית נמוכה יותר.
אבל החיסכון בפועל ייקבע לפי הדיוק, זמן התגובה, שיעור השימוש ודרישות התשתית של Tenet — לא רק לפי מחיר המשקלים או מחיר הטוקנים.
מה המהלך משנה באסטרטגיית המוצר?
Harvey ממצבת את עצמה כחברת AI ייעודית למשפט ולשירותים מקצועיים. באתר החברה נכתב כי יותר מ-2,400 ארגונים משפטיים משתמשים בפלטפורמה, וכי היא משמשת משרדי עורכי דין ומחלקות משפטיות פנימיות ברחבי העולם.
בסיס לקוחות כזה מספק ל-Harvey סיבה לשלוט בחלק גדול יותר מהטכנולוגיה שמאחורי המוצר. לקוחות משפטיים זקוקים להתנהגות עקבית, אבטחה, יכולת מעקב וביצועים יציבים במשימות כמו ניתוח חוזים, בדיקת נאותות, ציות ותחומי ליטיגציה.
Tenet עשוי להפוך לבסיס לפלטפורמה משולבת יותר, שבה Harvey שולטת במודל, בתזמור של סוכני ה-AI, בהקשר של כל תיק או עניין משפטי ובזרימות העבודה הייעודיות.
בעתיד, מודל כזה עשוי גם להקל על התאמה לידע הארגוני של לקוח מסוים. האפשרות שמשרדי עורכי דין יוכלו להתאים מודלים לידע המוסדי שלהם דווחה ככיוון עתידי, אך אין להתייחס אליה כאל יכולת מאושרת שהייתה זמינה כבר בעת ההשקה.
הלקח הרחב יותר לחברות AI אנכיות
החשיבות המרכזית של Tenet היא אסטרטגית, לא רק טכנית. חברות AI שמתמחות בענף מסוים אינן חייבות לאמן מודל תשתית חדש מאפס כדי להשיג שליטה משמעותית במוצר שלהן.
במקום זאת, הן יכולות לשלב ארבעה נכסים:
מודל כללי בעל משקלים פתוחים כנקודת התחלה;
נתונים ייחודיים או נתונים שנוצרו על ידי מומחים בתחום;
אימון נוסף שממוקד בזרימות העבודה של התעשייה; ו-
בקרות מוצר לניהול סוכנים, הקשר, הערכה ופריסה.
השיטה הזו עשויה לאפשר בידול בלי להשקיע את ההון ואת התשתיות הנדרשים כדי להתחרות ישירות במפתחי מודלי התשתית הגדולים. במקביל, היא מטילה על חברת היישום יותר עבודה: להוכיח אמינות, להגן על מידע רגיש, לנטר כשלים ולהראות שהשיפור במבחנים מתורגם לתוצאות שימושיות.
עבור Harvey, Tenet הוא לכן גם השקת מודל וגם ניסוי באינטגרציה אנכית. החברה מהמרת שמומחיות משפטית ונתוני עבודה ייעודיים יכולים להפוך בסיס פתוח למערכת בעלת ערך מסחרי — ושבעלות על המודל המותאם תעניק לה שליטה טובה יותר בעלויות ובביצועי המוצר.
הראיות הקיימות תומכות בשינוי האסטרטגי. השאלה הגדולה עדיין פתוחה: עד כמה היתרון הזה יתבטא בעבודה משפטית אמיתית, לאחר שמודלים בלתי תלויים יבדקו את Tenet ולקוחות ישתמשו בו לאורך זמן.
