Thomson Reuters meluncurkan Thomson, model bahasa besar proprietary pertamanya, setelah menginvestasikan sekitar $40 juta selama lebih dari dua tahun. Thomson dilatih menggunakan materi terkurasi dari Westlaw, Practical Law, Checkpoint, dan Reuters, dengan melibatkan ratusan pakar bidang serta kurang dari 10% total...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian

Create 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 meluncurkan Thomson, model bahasa besar (large language model/LLM) proprietary pertamanya. Langkah ini memberi perusahaan informasi profesional tersebut kendali lebih besar atas teknologi AI yang digunakan dalam produknya.
Untuk tahap awal, Thomson akan menangani Tabular Analysis, fitur peninjauan dokumen bervolume tinggi di CoCounsel Legal. Di saat yang sama, model Claude milik Anthropic tetap akan menggerakkan banyak bagian lain dari platform tersebut. 7
11
Jadi, pengumuman ini bukan berarti Thomson Reuters memutuskan hubungan dengan penyedia AI eksternal. Perusahaan justru memilih strategi hybrid: memiliki sendiri model yang paling diuntungkan oleh data dan keahlian domain internal, sembari tetap memakai model frontier eksternal untuk tugas yang lebih cocok dikerjakan oleh model serbaguna.
Thomson Reuters mengatakan telah menghabiskan sekitar $40 juta selama lebih dari dua tahun untuk membangun Thomson. Biaya tersebut mencakup tenaga ahli dan sumber daya komputasi yang dibutuhkan sepanjang proyek. 2
6
Angka ini perlu dibedakan dari sekitar $450.000, yaitu biaya pelatihan final untuk versi model yang diluncurkan. Dengan kata lain, $450.000 hanya mewakili satu tahap dari keseluruhan pengembangan—bukan total biaya proyek. 2
6
Perusahaan menyatakan Thomson sepenuhnya dimiliki dan dikendalikan oleh Thomson Reuters, serta dilatih dan dijalankan dengan biaya yang jauh lebih rendah dibandingkan model frontier sebanding. 7
Penerapan pertamanya adalah Tabular Analysis di CoCounsel Legal. Thomson ditujukan untuk pekerjaan peninjauan dokumen terstruktur tersebut, bukan untuk menggantikan semua kemampuan yang tersedia di asisten AI CoCounsel. 11
Dalam pengumuman resminya, Thomson Reuters hanya menyebut bahwa Thomson dibangun dari “fondasi open source yang kuat”. Perusahaan tidak menyebut nama model awalnya. 7
Namun, laporan eksternal—termasuk keterangan yang dikaitkan dengan direktur teknologi perusahaan—mengidentifikasi fondasi tersebut sebagai Qwen milik Alibaba. Laporan lain menyebut kolaborasi Thomson Reuters dan Imperial College London yang mengolah Qwen menjadi model antara bernama Snowdon. Proses tersebut dilaporkan menekankan penyesuaian etika, politik, dan keselamatan sebelum model itu dilatih lebih lanjut untuk kebutuhan profesional. 2
14
Perbedaan sumber ini penting. Qwen dan Snowdon merupakan bagian dari riwayat pengembangan yang diberitakan pihak eksternal, tetapi keduanya tidak disebut dalam pengumuman peluncuran resmi Thomson Reuters. Fakta yang paling jelas dan terkonfirmasi adalah bahwa Thomson dimulai dari basis open source, kemudian diadaptasi dan dilatih untuk kebutuhan profesional Thomson Reuters. 7
Thomson Reuters mengatakan Thomson dilatih menggunakan materi tepercaya dari Westlaw, Practical Law, Checkpoint, dan Reuters. Ratusan pakar bidang juga dilibatkan dalam proses pelatihan dan evaluasi. 7
Menurut laporan, materi yang telah digunakan sejauh ini mencakup kurang dari 10% total pustaka konten Thomson Reuters. 2
Pendekatan ini menunjukkan pilihan desain yang cukup jelas: perusahaan tidak sekadar memasukkan seluruh arsipnya ke dalam model. Kualitas dikejar melalui pemilihan konten yang cermat, keahlian domain, serta evaluasi yang disesuaikan dengan tugas tertentu.
Bagi alur kerja profesional, kemampuan seperti ini bisa lebih penting daripada kecakapan bahasa umum semata. Nilai model ditentukan oleh seberapa baik ia bekerja dengan sumber tepercaya, perangkat khusus, dan kebutuhan pengguna di bidang hukum maupun profesi terkait.
Thomson Reuters tidak berencana menggantikan Claude di seluruh CoCounsel. Thomson akan digunakan untuk tugas-tugas ketika pelatihan khusus dan akses ke konten Thomson Reuters memberi keunggulan, sedangkan Claude diperkirakan tetap menjalankan banyak bagian platform berdasarkan hubungan kerja sama yang diperluas antara kedua perusahaan. 7
11
Strategi tersebut membentuk arsitektur hybrid:
Bagi perusahaan yang sedang membeli atau membangun solusi AI, pelajarannya cukup praktis: memiliki model sendiri tidak berarti harus berhenti menggunakan penyedia model. Sistem yang lebih kecil dan terspesialisasi dapat berjalan berdampingan dengan model serbaguna yang lebih besar, selama masing-masing menangani pekerjaan yang paling sesuai.
Alasan Thomson Reuters bersifat finansial sekaligus strategis. Membayar penyedia eksternal untuk setiap proses inferensi menciptakan biaya operasional berulang. Perusahaan juga menjadi bergantung pada harga, arah pengembangan, ketersediaan, dan kebijakan pihak lain. Sebaliknya, model proprietary membutuhkan investasi besar di awal, tetapi hasilnya menjadi aset yang sepenuhnya dapat dikendalikan perusahaan. 7
13
Investasi $40 juta itu juga memperlihatkan mengapa angka biaya pelatihan final dapat menyesatkan jika berdiri sendiri. Nilai sekitar $450.000 memang menarik perhatian karena jauh di bawah biaya yang biasanya diasosiasikan dengan pelatihan model frontier terbesar. Namun, proyek yang lebih luas mencakup perekrutan tenaga ahli, komputasi, pengembangan model, persiapan data, evaluasi, serta waktu ratusan spesialis domain. 2
6
Thomson Reuters pada dasarnya sedang menguji tesis berikut: perusahaan yang memiliki data proprietary bernilai tinggi tidak harus membangun model serbaguna dari nol untuk mendapatkan manfaat ekonomi AI. Perusahaan dapat memulai dari fondasi open source, mengkhususkannya, lalu memiliki sistem yang paling dekat dengan alur bisnis utamanya.
Thomson Reuters berencana merilis versi open-weight yang lebih kecil di Hugging Face untuk kebutuhan riset akademik dan nonkomersial. Para akademisi hukum juga akan dilibatkan dalam evaluasi eksternal. 10
Rencana ini tidak berarti model Thomson yang digunakan dalam produksi akan sepenuhnya open-weight. Versi yang dirilis lebih tepat dipahami sebagai model untuk riset dan evaluasi, sehingga pihak luar dapat menguji kinerja sekaligus keterbatasannya.
Gambaran yang telah dikonfirmasi adalah Thomson Reuters meluncurkan LLM yang dikendalikan perusahaan, menginvestasikan sekitar $40 juta untuk pengembangannya, melatihnya menggunakan konten profesional proprietary yang dipilih, dan menerapkannya pertama kali pada alur kerja peninjauan dokumen hukum. 7
11
Fondasi Qwen, model antara Snowdon, serta kolaborasi dengan Imperial College London menambah konteks penting. Namun, rincian tersebut berasal dari laporan eksternal, bukan dari pengumuman publik perusahaan tentang peluncuran Thomson. 2
14
Makna terbesar pengumuman ini bersifat strategis. Thomson Reuters tidak sedang mencoba memenangkan pasar chatbot umum. Perusahaan sedang menguji apakah model khusus yang dilatih menggunakan pengetahuan profesional bernilai tinggi dan diterapkan secara selektif dapat mengurangi ketergantungan pada AI “sewaan”, sekaligus memberikan biaya dan kendali yang lebih baik untuk pekerjaan yang paling penting bagi bisnisnya.
Studio Global AI
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Thomson Reuters meluncurkan Thomson, model bahasa besar proprietary pertamanya, setelah menginvestasikan sekitar $40 juta selama lebih dari dua tahun.
Thomson Reuters meluncurkan Thomson, model bahasa besar proprietary pertamanya, setelah menginvestasikan sekitar $40 juta selama lebih dari dua tahun. Thomson dilatih menggunakan materi terkurasi dari Westlaw, Practical Law, Checkpoint, dan Reuters, dengan melibatkan ratusan pakar bidang serta kurang dari 10% total pustaka konten perusahaan.
Menurut laporan eksternal, pengembangan Thomson bermula dari Qwen milik Alibaba dan model antara bernama Snowdon.
Thomson Reuters meluncurkan Thomson, model bahasa besar proprietary pertamanya, setelah menginvestasikan sekitar $40 juta selama lebih dari dua tahun. Thomson dilatih menggunakan materi terkurasi dari Westlaw, Practical Law, Checkpoint, dan Reuters, dengan melibatkan ratusan pakar bidang serta kurang dari 10% total...
Diterbitkan olehDiedit dengan GPT-5.6 LunaGambar dibuat dengan GPT Image 1.5
Jawaban penelitian

Create 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 meluncurkan Thomson, model bahasa besar (large language model/LLM) proprietary pertamanya. Langkah ini memberi perusahaan informasi profesional tersebut kendali lebih besar atas teknologi AI yang digunakan dalam produknya.
Untuk tahap awal, Thomson akan menangani Tabular Analysis, fitur peninjauan dokumen bervolume tinggi di CoCounsel Legal. Di saat yang sama, model Claude milik Anthropic tetap akan menggerakkan banyak bagian lain dari platform tersebut. 7
11
Jadi, pengumuman ini bukan berarti Thomson Reuters memutuskan hubungan dengan penyedia AI eksternal. Perusahaan justru memilih strategi hybrid: memiliki sendiri model yang paling diuntungkan oleh data dan keahlian domain internal, sembari tetap memakai model frontier eksternal untuk tugas yang lebih cocok dikerjakan oleh model serbaguna.
Thomson Reuters mengatakan telah menghabiskan sekitar $40 juta selama lebih dari dua tahun untuk membangun Thomson. Biaya tersebut mencakup tenaga ahli dan sumber daya komputasi yang dibutuhkan sepanjang proyek. 2
6
Angka ini perlu dibedakan dari sekitar $450.000, yaitu biaya pelatihan final untuk versi model yang diluncurkan. Dengan kata lain, $450.000 hanya mewakili satu tahap dari keseluruhan pengembangan—bukan total biaya proyek. 2
6
Perusahaan menyatakan Thomson sepenuhnya dimiliki dan dikendalikan oleh Thomson Reuters, serta dilatih dan dijalankan dengan biaya yang jauh lebih rendah dibandingkan model frontier sebanding. 7
Penerapan pertamanya adalah Tabular Analysis di CoCounsel Legal. Thomson ditujukan untuk pekerjaan peninjauan dokumen terstruktur tersebut, bukan untuk menggantikan semua kemampuan yang tersedia di asisten AI CoCounsel. 11
Dalam pengumuman resminya, Thomson Reuters hanya menyebut bahwa Thomson dibangun dari “fondasi open source yang kuat”. Perusahaan tidak menyebut nama model awalnya. 7
Namun, laporan eksternal—termasuk keterangan yang dikaitkan dengan direktur teknologi perusahaan—mengidentifikasi fondasi tersebut sebagai Qwen milik Alibaba. Laporan lain menyebut kolaborasi Thomson Reuters dan Imperial College London yang mengolah Qwen menjadi model antara bernama Snowdon. Proses tersebut dilaporkan menekankan penyesuaian etika, politik, dan keselamatan sebelum model itu dilatih lebih lanjut untuk kebutuhan profesional. 2
14
Perbedaan sumber ini penting. Qwen dan Snowdon merupakan bagian dari riwayat pengembangan yang diberitakan pihak eksternal, tetapi keduanya tidak disebut dalam pengumuman peluncuran resmi Thomson Reuters. Fakta yang paling jelas dan terkonfirmasi adalah bahwa Thomson dimulai dari basis open source, kemudian diadaptasi dan dilatih untuk kebutuhan profesional Thomson Reuters. 7
Thomson Reuters mengatakan Thomson dilatih menggunakan materi tepercaya dari Westlaw, Practical Law, Checkpoint, dan Reuters. Ratusan pakar bidang juga dilibatkan dalam proses pelatihan dan evaluasi. 7
Menurut laporan, materi yang telah digunakan sejauh ini mencakup kurang dari 10% total pustaka konten Thomson Reuters. 2
Pendekatan ini menunjukkan pilihan desain yang cukup jelas: perusahaan tidak sekadar memasukkan seluruh arsipnya ke dalam model. Kualitas dikejar melalui pemilihan konten yang cermat, keahlian domain, serta evaluasi yang disesuaikan dengan tugas tertentu.
Bagi alur kerja profesional, kemampuan seperti ini bisa lebih penting daripada kecakapan bahasa umum semata. Nilai model ditentukan oleh seberapa baik ia bekerja dengan sumber tepercaya, perangkat khusus, dan kebutuhan pengguna di bidang hukum maupun profesi terkait.
Thomson Reuters tidak berencana menggantikan Claude di seluruh CoCounsel. Thomson akan digunakan untuk tugas-tugas ketika pelatihan khusus dan akses ke konten Thomson Reuters memberi keunggulan, sedangkan Claude diperkirakan tetap menjalankan banyak bagian platform berdasarkan hubungan kerja sama yang diperluas antara kedua perusahaan. 7
11
Strategi tersebut membentuk arsitektur hybrid:
Bagi perusahaan yang sedang membeli atau membangun solusi AI, pelajarannya cukup praktis: memiliki model sendiri tidak berarti harus berhenti menggunakan penyedia model. Sistem yang lebih kecil dan terspesialisasi dapat berjalan berdampingan dengan model serbaguna yang lebih besar, selama masing-masing menangani pekerjaan yang paling sesuai.
Alasan Thomson Reuters bersifat finansial sekaligus strategis. Membayar penyedia eksternal untuk setiap proses inferensi menciptakan biaya operasional berulang. Perusahaan juga menjadi bergantung pada harga, arah pengembangan, ketersediaan, dan kebijakan pihak lain. Sebaliknya, model proprietary membutuhkan investasi besar di awal, tetapi hasilnya menjadi aset yang sepenuhnya dapat dikendalikan perusahaan. 7
13
Investasi $40 juta itu juga memperlihatkan mengapa angka biaya pelatihan final dapat menyesatkan jika berdiri sendiri. Nilai sekitar $450.000 memang menarik perhatian karena jauh di bawah biaya yang biasanya diasosiasikan dengan pelatihan model frontier terbesar. Namun, proyek yang lebih luas mencakup perekrutan tenaga ahli, komputasi, pengembangan model, persiapan data, evaluasi, serta waktu ratusan spesialis domain. 2
6
Thomson Reuters pada dasarnya sedang menguji tesis berikut: perusahaan yang memiliki data proprietary bernilai tinggi tidak harus membangun model serbaguna dari nol untuk mendapatkan manfaat ekonomi AI. Perusahaan dapat memulai dari fondasi open source, mengkhususkannya, lalu memiliki sistem yang paling dekat dengan alur bisnis utamanya.
Thomson Reuters berencana merilis versi open-weight yang lebih kecil di Hugging Face untuk kebutuhan riset akademik dan nonkomersial. Para akademisi hukum juga akan dilibatkan dalam evaluasi eksternal. 10
Rencana ini tidak berarti model Thomson yang digunakan dalam produksi akan sepenuhnya open-weight. Versi yang dirilis lebih tepat dipahami sebagai model untuk riset dan evaluasi, sehingga pihak luar dapat menguji kinerja sekaligus keterbatasannya.
Gambaran yang telah dikonfirmasi adalah Thomson Reuters meluncurkan LLM yang dikendalikan perusahaan, menginvestasikan sekitar $40 juta untuk pengembangannya, melatihnya menggunakan konten profesional proprietary yang dipilih, dan menerapkannya pertama kali pada alur kerja peninjauan dokumen hukum. 7
11
Fondasi Qwen, model antara Snowdon, serta kolaborasi dengan Imperial College London menambah konteks penting. Namun, rincian tersebut berasal dari laporan eksternal, bukan dari pengumuman publik perusahaan tentang peluncuran Thomson. 2
14
Makna terbesar pengumuman ini bersifat strategis. Thomson Reuters tidak sedang mencoba memenangkan pasar chatbot umum. Perusahaan sedang menguji apakah model khusus yang dilatih menggunakan pengetahuan profesional bernilai tinggi dan diterapkan secara selektif dapat mengurangi ketergantungan pada AI “sewaan”, sekaligus memberikan biaya dan kendali yang lebih baik untuk pekerjaan yang paling penting bagi bisnisnya.
Studio Global AI
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Thomson Reuters meluncurkan Thomson, model bahasa besar proprietary pertamanya, setelah menginvestasikan sekitar $40 juta selama lebih dari dua tahun.
Thomson Reuters meluncurkan Thomson, model bahasa besar proprietary pertamanya, setelah menginvestasikan sekitar $40 juta selama lebih dari dua tahun. Thomson dilatih menggunakan materi terkurasi dari Westlaw, Practical Law, Checkpoint, dan Reuters, dengan melibatkan ratusan pakar bidang serta kurang dari 10% total pustaka konten perusahaan.
Menurut laporan eksternal, pengembangan Thomson bermula dari Qwen milik Alibaba dan model antara bernama Snowdon.