トムソン・ロイターは、初の自社開発大規模言語モデル（LLM）「Thomson」を発表した。専門情報を扱う同社にとって、製品内部で使うAIをより自ら管理しやすくするための一手だ。まずは法律AIアシスタント CoCounsel Legal の大量文書レビュー機能「Tabular Analysis」に投入される。一方、プラットフォーム全体では、引き続きAnthropicのClaudeが幅広い処理を担う。711

今回の発表は、第三者のAIを否定するものではない。トムソン・ロイターが選んだのは、同社のデータや専門知識が特に生きる業務では自社モデルを使い、汎用性の高い処理では外部の最先端モデルを使うという、いわばハイブリッド戦略だ。

約4000万ドルの中身は「最終学習費」だけではない

トムソン・ロイターによると、Thomsonの開発には2年以上をかけ、人材と計算資源を含めて約4000万ドルを投じた。同社は、比較対象となる最先端モデルに比べて、開発・運用コストを大幅に抑えられるとしている。7

一方、広く報じられた約45万ドルという金額は、公開されたモデルの最終トレーニング1回にかかった費用だ。プロジェクト全体には、研究者やエンジニアの人件費、計算資源、データ準備、評価、専門家の協力なども含まれるため、両者を同じ数字として比べることはできない。26

つまり、45万ドルは印象的な数字ではあるものの、Thomsonを作るための総投資額を表しているわけではない。

QwenとSnowdonはどこまで公式に確認されているのか

トムソン・ロイターの公式発表が明らかにした出発点は、「強力なオープンソース基盤」という表現にとどまる。7

ただし、外部報道では、基盤モデルはAlibabaのオープンソースモデルQwenだとされている。さらに、トムソン・ロイターと英インペリアル・カレッジ・ロンドンの共同チームがQwenを改変し、倫理面・政治面・安全性に配慮した中間モデルSnowdonを作ったうえで、専門領域向けの追加訓練を行ったと報じられている。214

ここは情報の出どころを分けて見る必要がある。QwenやSnowdonは報道された開発経緯の一部だが、同社の公式ローンチ発表では両方ともモデル名を明示していない。公式に確認できる最も確かな説明は、Thomsonがオープンソースの基盤から始まり、トムソン・ロイターの業務向けに改良・訓練されたモデルだということだ。7

使ったのはアーカイブ全体ではなく、厳選した専門コンテンツ

Thomsonの訓練には、同社が提供するWestlaw、Practical Law、Checkpoint、Reutersの権威あるコンテンツが使われた。訓練と評価には、数百人の分野別専門家も関わったという。7

報道によれば、これまでに利用されたデータはトムソン・ロイターの総コンテンツライブラリーの10％未満にすぎない。2

この点は、モデル開発の考え方をよく表している。大量のデータを無差別に投入するのではなく、信頼性の高い資料を選び、専門家の知見と用途別の評価を組み合わせて性能を高める方針だ。

一般的な会話能力だけでなく、信頼できる情報源や専門ツールと正確に連携できるかが重要な法律・税務・会計などの業務では、こうした絞り込みが価値につながりやすい。

Claudeは消えない――CoCounselはモデルを使い分ける

Thomsonは、CoCounsel全体でAnthropicのClaudeを置き換えるためのモデルではない。専門訓練や自社コンテンツとの接続が強みになる業務をThomsonが担い、より広範な能力が求められる処理ではClaudeなどの外部モデルを使い続ける想定だ。両社の関係も拡大している。711

想定される構成は次の通りだ。

• Thomson：Tabular Analysisのような、処理量が多く専門性の高い業務
• Claudeなどの外部モデル：汎用的な推論や幅広いタスク
• 自社管理のモデルとデータ：コスト、カスタマイズ性、運用上の管理権限が重視される領域

企業のAI導入担当者にとっての示唆は明快だ。自社モデルを持つことは、AIプロバイダーとの契約をすべて打ち切ることを意味しない。小型・特化型のモデルと大型・汎用モデルを、得意分野に応じて併用すればよい。

「買う」のではなく「借りる」AIからの転換

外部AIに推論処理を依存すれば、利用のたびに費用が発生する。さらに、料金体系、製品ロードマップ、提供可否、利用ポリシーを他社に左右される。自社モデルには大きな初期投資が必要だが、完成したシステムは自社が所有・管理できる資産になる。713

トムソン・ロイターが示しているのは、専門情報を大量に保有する企業なら、汎用モデルをゼロから作らなくてもAIの価値を取り込めるという考え方だ。オープンな基盤を出発点にし、自社データと専門知識で特化させ、事業の中核に近いワークフロー向けに所有する。

これは、AIを外部サービスとして「借りる」だけでなく、重要な部分を自社の資産として積み上げる発想でもある。

Hugging Faceで小型のオープンウェイト版を公開へ

トムソン・ロイターは、学術研究や非商用研究向けに、より小型のオープンウェイト版をHugging Faceで公開する計画だ。法律分野の研究者が外部評価にも関わる予定だという。10

ただし、これは本番運用中のThomsonそのものを全面公開するという意味ではない。外部の研究者が性能や限界を検証できるようにする、研究・評価向けの派生版と見るのが適切だ。

今回の発表で確認できること、まだ報道段階のこと

現時点で確認できるのは、トムソン・ロイターが自社で管理するLLM「Thomson」を立ち上げ、開発に約4000万ドルを投じ、同社の専門コンテンツを選んで訓練し、まず法律文書レビューのワークフローに導入したことだ。711

Qwenを基盤にしたという説明、Snowdonという中間モデル、インペリアル・カレッジ・ロンドンとの協力は重要な背景だが、これらは同社の公式発表ではなく、外部報道に基づく情報である。214

また、中国発のオープンソースモデルを基盤にすることをめぐっては、サプライチェーンやガバナンス上の懸念が論点になり得る。ただし、提供された報道はQwen、Snowdon、Thomsonのいずれかにバックドアが見つかったことを示してはいない。懸念と確認済みの事実は分けて考える必要がある。

Thomson Reutersは、一般向けチャットボット市場で覇権を狙っているわけではない。高価な外部AIへの依存を減らし、自社が価値を持つ専門知識と業務に絞って、より安く、より管理しやすいモデルを運用できるかを試している。今回の4000万ドルは、AIを自社の競争力として「所有」できるかを占う投資だ。

トムソン・ロイターは、初の自社開発大規模言語モデル（LLM）「Thomson」を発表した。専門情報を扱う同社にとって、製品内部で使うAIをより自ら管理しやすくするための一手だ。まずは法律AIアシスタント CoCounsel Legal の大量文書レビュー機能「Tabular Analysis」に投入される。一方、プラットフォーム全体では、引き続きAnthropicのClaudeが幅広い処理を担う。711

今回の発表は、第三者のAIを否定するものではない。トムソン・ロイターが選んだのは、同社のデータや専門知識が特に生きる業務では自社モデルを使い、汎用性の高い処理では外部の最先端モデルを使うという、いわばハイブリッド戦略だ。

約4000万ドルの中身は「最終学習費」だけではない

トムソン・ロイターによると、Thomsonの開発には2年以上をかけ、人材と計算資源を含めて約4000万ドルを投じた。同社は、比較対象となる最先端モデルに比べて、開発・運用コストを大幅に抑えられるとしている。7

一方、広く報じられた約45万ドルという金額は、公開されたモデルの最終トレーニング1回にかかった費用だ。プロジェクト全体には、研究者やエンジニアの人件費、計算資源、データ準備、評価、専門家の協力なども含まれるため、両者を同じ数字として比べることはできない。26

つまり、45万ドルは印象的な数字ではあるものの、Thomsonを作るための総投資額を表しているわけではない。

QwenとSnowdonはどこまで公式に確認されているのか

トムソン・ロイターの公式発表が明らかにした出発点は、「強力なオープンソース基盤」という表現にとどまる。7

ただし、外部報道では、基盤モデルはAlibabaのオープンソースモデルQwenだとされている。さらに、トムソン・ロイターと英インペリアル・カレッジ・ロンドンの共同チームがQwenを改変し、倫理面・政治面・安全性に配慮した中間モデルSnowdonを作ったうえで、専門領域向けの追加訓練を行ったと報じられている。214

ここは情報の出どころを分けて見る必要がある。QwenやSnowdonは報道された開発経緯の一部だが、同社の公式ローンチ発表では両方ともモデル名を明示していない。公式に確認できる最も確かな説明は、Thomsonがオープンソースの基盤から始まり、トムソン・ロイターの業務向けに改良・訓練されたモデルだということだ。7

使ったのはアーカイブ全体ではなく、厳選した専門コンテンツ

Thomsonの訓練には、同社が提供するWestlaw、Practical Law、Checkpoint、Reutersの権威あるコンテンツが使われた。訓練と評価には、数百人の分野別専門家も関わったという。7

報道によれば、これまでに利用されたデータはトムソン・ロイターの総コンテンツライブラリーの10％未満にすぎない。2

この点は、モデル開発の考え方をよく表している。大量のデータを無差別に投入するのではなく、信頼性の高い資料を選び、専門家の知見と用途別の評価を組み合わせて性能を高める方針だ。

一般的な会話能力だけでなく、信頼できる情報源や専門ツールと正確に連携できるかが重要な法律・税務・会計などの業務では、こうした絞り込みが価値につながりやすい。

Claudeは消えない――CoCounselはモデルを使い分ける

Thomsonは、CoCounsel全体でAnthropicのClaudeを置き換えるためのモデルではない。専門訓練や自社コンテンツとの接続が強みになる業務をThomsonが担い、より広範な能力が求められる処理ではClaudeなどの外部モデルを使い続ける想定だ。両社の関係も拡大している。711

想定される構成は次の通りだ。

• Thomson：Tabular Analysisのような、処理量が多く専門性の高い業務
• Claudeなどの外部モデル：汎用的な推論や幅広いタスク
• 自社管理のモデルとデータ：コスト、カスタマイズ性、運用上の管理権限が重視される領域

企業のAI導入担当者にとっての示唆は明快だ。自社モデルを持つことは、AIプロバイダーとの契約をすべて打ち切ることを意味しない。小型・特化型のモデルと大型・汎用モデルを、得意分野に応じて併用すればよい。

「買う」のではなく「借りる」AIからの転換

外部AIに推論処理を依存すれば、利用のたびに費用が発生する。さらに、料金体系、製品ロードマップ、提供可否、利用ポリシーを他社に左右される。自社モデルには大きな初期投資が必要だが、完成したシステムは自社が所有・管理できる資産になる。713

トムソン・ロイターが示しているのは、専門情報を大量に保有する企業なら、汎用モデルをゼロから作らなくてもAIの価値を取り込めるという考え方だ。オープンな基盤を出発点にし、自社データと専門知識で特化させ、事業の中核に近いワークフロー向けに所有する。

これは、AIを外部サービスとして「借りる」だけでなく、重要な部分を自社の資産として積み上げる発想でもある。

Hugging Faceで小型のオープンウェイト版を公開へ

トムソン・ロイターは、学術研究や非商用研究向けに、より小型のオープンウェイト版をHugging Faceで公開する計画だ。法律分野の研究者が外部評価にも関わる予定だという。10

ただし、これは本番運用中のThomsonそのものを全面公開するという意味ではない。外部の研究者が性能や限界を検証できるようにする、研究・評価向けの派生版と見るのが適切だ。

今回の発表で確認できること、まだ報道段階のこと

現時点で確認できるのは、トムソン・ロイターが自社で管理するLLM「Thomson」を立ち上げ、開発に約4000万ドルを投じ、同社の専門コンテンツを選んで訓練し、まず法律文書レビューのワークフローに導入したことだ。711

Qwenを基盤にしたという説明、Snowdonという中間モデル、インペリアル・カレッジ・ロンドンとの協力は重要な背景だが、これらは同社の公式発表ではなく、外部報道に基づく情報である。214

また、中国発のオープンソースモデルを基盤にすることをめぐっては、サプライチェーンやガバナンス上の懸念が論点になり得る。ただし、提供された報道はQwen、Snowdon、Thomsonのいずれかにバックドアが見つかったことを示してはいない。懸念と確認済みの事実は分けて考える必要がある。

Thomson Reutersは、一般向けチャットボット市場で覇権を狙っているわけではない。高価な外部AIへの依存を減らし、自社が価値を持つ専門知識と業務に絞って、より安く、より管理しやすいモデルを運用できるかを試している。今回の4000万ドルは、AIを自社の競争力として「所有」できるかを占う投資だ。