汤森路透押注4000万美元：与其租用AI，不如掌握自己的模型

汤森路透推出了首个自有大语言模型 Thomson，希望提高对旗下产品所使用AI的控制力。该模型首先将用于 CoCounsel Legal 中的Tabular Analysis——一项高频的结构化文档审阅工作；与此同时，Anthropic的Claude仍将继续为平台的大部分功能提供支持。711

这并不是汤森路透要全面放弃第三方模型，而是一场“混合部署”押注：对于最能体现公司数据和专业能力价值的任务，自研并掌控模型；对于更依赖通用能力的工作，则继续使用外部前沿模型。

汤森路透宣布了什么

汤森路透表示，公司在两年多时间里为Thomson投入了约 4000万美元，涵盖人才和计算资源。这个数字不能与约 45万美元混为一谈，后者仅指当前版本最后一次训练运行的成本，是整个项目中的一个环节。26

公司称，Thomson由汤森路透完全拥有和控制，其训练和运行成本只是同类前沿模型的一小部分。7它在生产环境中的首次用途是CoCounsel Legal的Tabular Analysis，重点是结构化文档审阅，而不是取代助手处理的所有任务。11

Qwen与Snowdon：已知的模型开发路径

汤森路透的官方公告只将起点描述为“强大的开源基础模型”，并没有公开点名具体模型。7不过，外部报道援引公司首席技术官的说法称，该基础模型是阿里巴巴的Qwen。另有报道指出，汤森路透与帝国理工学院合作，将Qwen重新调整为名为 Snowdon 的中间模型，重点处理伦理、政治和安全方面的重新校准，之后再进行专业领域训练。214

这一层区别很重要：Qwen和Snowdon属于报道中的开发背景，并非汤森路透官方发布公告明确确认的名称。就目前最稳妥的表述而言，Thomson始于一个开源基础模型，随后被改造并训练，以适应汤森路透的专业应用场景。7

用精选专业内容训练，而不是“喂完”整个档案库

汤森路透表示，Thomson使用了来自 Westlaw、Practical Law、Checkpoint和Reuters 的权威内容进行训练，并有数百名领域专家参与训练和评估。7

据报道，目前用于训练的材料占汤森路透全部内容库的 不足10%。2这体现出一种明确的设计取舍：模型质量并不只是靠把公司几十年来积累的全部资料一次性输入，而是依靠精选内容、专业人士经验以及针对具体任务的评测来实现。

对于专业工作流而言，这一点尤其关键。模型的价值不仅在于能否流畅生成文字，还在于它能否与可信内容和专业工具协同工作，并在具体业务任务中稳定输出结果。

Claude不会因此退出CoCounsel

汤森路透的计划并不是用Thomson全面替代CoCounsel中的Anthropic Claude。Thomson将承担那些能够从其专业训练和汤森路透内容中获益的任务，而在更广泛的平台功能中，Claude预计仍将发挥主要作用；双方还扩大了合作关系。711

由此形成的混合架构大致如下：

• Thomson：处理Tabular Analysis等特定、高频的专业工作流。
• Claude及其他外部模型：处理更需要通用推理和前沿模型能力的任务。
• 公司自有系统与数据：用于成本、定制化和运营控制最重要的场景。

对企业AI采购者来说，这个案例的启示很直接：拥有自己的模型，并不等于必须与模型供应商彻底切割。只要分工合理，一个规模更小、针对性更强的系统，可以与大型通用模型并存，各自处理最擅长的工作。

“自己拥有”与“持续租用”的账怎么算

汤森路透的理由既有财务考量，也有战略考量。每次调用外部模型都可能产生持续的推理费用，同时企业还会受制于供应商的定价、产品路线、服务可用性和政策。自研模型需要较高的前期投入，但最终形成的是公司能够控制的一项资产。713

4000万美元的投入也说明，单看最终训练运行的数字可能会产生误解。约45万美元之所以受到关注，是因为它远低于训练最大型前沿模型通常所需的成本。但完整项目还包括人员、计算资源、模型开发、数据准备、评估，以及领域专家投入的时间。26

汤森路透实际上是在证明另一条路径：拥有高价值专有数据的企业，不一定要从零开始打造一个面向所有用途的通用模型。企业可以从开源基础模型起步，针对自身业务进行专业化训练，并在最接近核心业务的工作流中掌握最终系统。

计划推出较小的开放权重版本

汤森路透计划在Hugging Face上发布一个规模更小的开放权重版本，供学术和非商业研究使用，并邀请法律学者参与外部评估。10

这并不意味着生产环境中的Thomson本身会完全开放权重。更准确地说，计划发布的版本应被视为研究和评测版本，可供外部专家检验模型的表现及其局限性。

这次发布确认了什么，又没有确认什么

目前可以确认的是：汤森路透推出了一个由公司控制的大语言模型，投入约4000万美元开发，使用精选的专业内容训练，并首先部署在法律文档审阅工作流中。711

关于Qwen基础模型、Snowdon中间模型以及与帝国理工学院的合作，则来自外部报道，而不是公司公开发布公告中的明确表述。214同样，围绕中国开源模型基础的安全担忧属于供应链和治理层面的讨论；现有报道并未证明Qwen、Snowdon或Thomson中存在后门。

更大的意义在于战略层面。汤森路透并没有试图争夺通用聊天机器人市场，而是在验证这样一种模式：一个使用高价值专业知识训练、只在合适场景中部署的专用模型，能否降低企业对“租用”AI的依赖，同时为关键业务带来更好的成本结构和控制力。