Harvey Tenet marca a transição de modelos alugados para inteligência jurídica própria

O Harvey Tenet é mais do que um novo chatbot jurídico. Ele é o primeiro modelo desenvolvido internamente pela Harvey, criado a partir do pós-treinamento do Kimi K3, modelo de pesos abertos da chinesa Moonshot AI, para lidar com trabalhos jurídicos de longo prazo. A estratégia desloca a Harvey de uma posição centrada na customização de modelos de terceiros para o controle de uma parcela maior da própria camada de modelos — o que pode influenciar tanto o custo quanto o comportamento da IA em sua plataforma.

O anúncio também funciona como um estudo de caso sobre IA vertical: um modelo geral competente pode ser refinado com dados específicos de um setor, fluxos de trabalho e métodos próprios de avaliação para atender com mais precisão às necessidades de uma profissão. Ainda assim, as principais alegações de desempenho do Tenet devem ser vistas como declarações da própria Harvey até que testes independentes e resultados mais amplos em situações reais estejam disponíveis.

O que é o Harvey Tenet

A Harvey descreve o Tenet como seu primeiro modelo pós-treinado especificamente para o trabalho jurídico. O sistema tem como base o Kimi K3, um modelo de pesos abertos desenvolvido pela Moonshot AI, empresa chinesa responsável pelo Kimi. A Harvey conduziu o esforço de pós-treinamento em parceria com a Fireworks AI.

“Pós-treinamento” é o processo de aperfeiçoar um modelo depois de seu treinamento inicial, em vez de criar um novo modelo fundacional do zero. No caso do Tenet, a Harvey afirma ter usado dados jurídicos disponíveis publicamente, dados sintéticos e dados produzidos por especialistas humanos para simular tarefas jurídicas prolongadas.

A diferença é importante: o Tenet não é apresentado como um modelo geral completamente novo. Trata-se de uma versão especializada de uma base de pesos abertos já existente, adaptada para atividades como análise de contratos, due diligence e outros fluxos jurídicos complexos.

O que a Harvey afirma sobre o desempenho

A Harvey diz que o Tenet alcança desempenho de ponta no benchmark jurídico LAB e consegue generalizar para benchmarks jurídicos de terceiros. Em uma atualização publicada pela empresa, o modelo concluiu quase o dobro de tarefas reservadas do LAB em comparação com o Kimi K3 básico e realizou 20% mais tarefas de contratos do LAB. A empresa também relata aumentos de 9 e 2 pontos percentuais, respectivamente, nas taxas de aprovação total.

Os números sugerem que o pós-treinamento melhorou de forma relevante o desempenho da base em avaliações selecionadas pela Harvey. Sozinhos, porém, eles não comprovam que o Tenet seja superior a todos os modelos concorrentes no trabalho jurídico real. O desenho do benchmark, a seleção das tarefas, os comandos usados, o método de avaliação e as condições de implantação podem afetar os resultados.

As informações disponíveis também indicam que a disponibilidade e o cronograma de lançamento do Tenet ainda não estavam totalmente claros no anúncio. O Business Insider informou que o modelo havia sido apresentado, mas ainda não estava ativo na plataforma Harvey, e que a empresa não especificara quando ele seria disponibilizado. Por isso, testes independentes em produção serão um próximo passo importante.

Por que a base Kimi K3 é relevante

A escolha do Kimi K3 chama atenção porque a Harvey tem relações estreitas com provedores ocidentais de IA e já havia trabalhado com a OpenAI em um modelo jurídico treinado sob medida. De modo mais amplo, plataformas de IA para o setor jurídico têm recorrido a sistemas fechados de empresas como OpenAI e Anthropic, pagando pelo acesso e ficando sujeitas aos calendários de lançamento, preços e infraestrutura desses fornecedores.

Ao usar uma base de pesos abertos, a Harvey ganha mais liberdade para modificar e implantar o modelo. A empresa pode decidir como fazer o pós-treinamento, como otimizar o sistema para determinados tipos de trabalho e para onde encaminhar cada tarefa jurídica. Em contrapartida, passa a assumir mais responsabilidade por infraestrutura, segurança, avaliação, manutenção e operação do modelo — custos que ficam a cargo dos provedores externos quando uma empresa usa suas APIs.

A decisão também ilustra uma mudança pragmática no desenvolvimento de IA. Para usuários comerciais, o país de origem de um modelo pode se tornar menos determinante quando um sistema de pesos abertos oferece uma base forte, pode ser adaptado legal e tecnicamente e apresenta uma economia favorável. Isso não elimina dúvidas sobre procedência, segurança, governança ou aceitação por clientes; essas questões passam a fazer parte da análise de risco de modelos adotada pelas empresas.

O argumento empresarial para controlar mais da tecnologia

Em uma plataforma jurídica voltada a fluxos profissionais de alto valor, a economia dos modelos pode afetar diretamente as margens e o desenho do produto. APIs de modelos avançados de terceiros geralmente cobram conforme o uso, fazendo os custos crescerem à medida que os clientes processam documentos longos, executam mais etapas de agentes e solicitam tarefas de raciocínio prolongado. Um modelo próprio pode permitir que a Harvey encaminhe trabalhos adequados para uma infraestrutura sob seu controle, em vez de enviar todas as tarefas a um modelo de terceiros.

Pesos abertos não tornam a inferência gratuita. A Harvey ainda precisa de capacidade computacional, preparação de dados, controles de qualidade, sistemas de segurança e engenheiros para manter o modelo. A empresa afirma, porém, que o pós-treinamento também estimulou o uso mais eficiente de ferramentas e do raciocínio, o que pode reduzir o número de tokens consumidos durante a inferência.

Isso cria uma possível divisão de trabalho: modelos gerais mais caros podem continuar sendo adequados para as perguntas mais difíceis ou abertas, enquanto um modelo especializado cuida de tarefas jurídicas repetitivas e de alto volume com custo operacional menor. A confirmação dessa vantagem dependerá da precisão, latência, taxa de utilização e das necessidades de infraestrutura do Tenet — não apenas do preço dos pesos do modelo.

O que muda na estratégia de produto da Harvey

A Harvey se posiciona como uma empresa de IA especializada em direito e serviços profissionais. Segundo seu site, mais de 2.400 organizações jurídicas usam a plataforma, que atende escritórios de advocacia e departamentos jurídicos internos.

Essa base de clientes dá à Harvey um motivo para controlar uma parcela maior da tecnologia por trás do produto usado pelos clientes. Organizações jurídicas precisam de comportamento consistente, segurança, rastreabilidade e desempenho em fluxos como análise contratual, due diligence, compliance e litígios.

O Tenet pode se tornar a base de uma plataforma mais integrada, na qual a Harvey controle o modelo, a orquestração de agentes, o contexto de cada caso e os fluxos especializados. Também pode facilitar futuras customizações, caso a empresa permita que clientes adaptem modelos ao próprio conhecimento institucional. Essa possibilidade foi noticiada, mas deve ser tratada como uma direção futura, e não como um recurso confirmado no lançamento.

A lição mais ampla para a IA vertical

A principal implicação do Tenet é estratégica, e não apenas técnica: empresas de IA vertical não precisam necessariamente treinar modelos de fronteira do zero para conquistar um controle relevante sobre seus produtos.

Uma empresa especializada pode combinar quatro ativos:

• um modelo geral de pesos abertos como ponto de partida;
• dados próprios ou produzidos por especialistas do setor;
• pós-treinamento direcionado aos fluxos de trabalho da indústria; e
• controles de produto para agentes, contexto, avaliação e implantação.

Essa abordagem pode criar diferenciação sem exigir o capital e a infraestrutura necessários para competir diretamente com os maiores desenvolvedores de modelos fundacionais. Ela também deixa a empresa de aplicação responsável por uma parcela maior do trabalho difícil: comprovar confiabilidade, proteger dados sensíveis, monitorar falhas e demonstrar que ganhos em benchmarks se convertem em resultados úteis.

Para a Harvey, portanto, o Tenet é ao mesmo tempo um lançamento de modelo e um teste de integração vertical. A empresa aposta que sua experiência jurídica e seus dados de fluxos de trabalho podem transformar uma base de pesos abertos em um sistema comercialmente valioso — e que controlar o modelo especializado melhorará sua capacidade de administrar custos e desempenho do produto. As evidências disponíveis sustentam a mudança estratégica; o tamanho da vantagem prática dependerá de avaliações independentes e do desempenho do Tenet no trabalho jurídico real.