Harvey Tenet：點解一間法律 AI 公司要用 Kimi K3 打造自家模型？

換句話說，Tenet 並不是一個全新的通用 AI，而是從已有的開放權重模型出發，針對合約審閱、盡職調查及其他複雜法律流程加以改造的專門版本。

Harvey 聲稱 Tenet 表現有幾強？

Harvey 表示，Tenet 在自家的 LAB 法律基準測試中達到業界領先水平，並能夠推廣到第三方法律基準測試。公司公布的更新指，Tenet 在保留測試任務上完成的 LAB 工作，接近 Kimi K3 基礎版本的兩倍；在 LAB 合約任務上則多完成 20%。兩類測試的「全部通過率」亦分別上升 9 個及 2 個百分點。

這些數字顯示，後訓練確實改善了 Kimi K3 在 Harvey 所選評估項目上的表現。但單靠這些結果，未能證明 Tenet 在真實法律工作中一定勝過所有競爭模型。基準測試的設計、任務選擇、提示方式、評分方法，以及實際部署環境，都可能影響最終數字。

目前公開報道亦顯示，Tenet 在宣布時的實際供應及推出時間仍未完全清晰。《Business Insider》報道指，模型雖然已經介紹，但當時尚未在 Harvey 平台正式上線，公司也沒有交代確實推出日期。 因此，下一步最值得留意的，是獨立人士能否在生產環境中測試它的準確度、速度及穩定性。

點解以 Kimi K3 作基礎值得關注？

Harvey 過去與 OpenAI 等西方 AI 供應商關係密切，亦曾與 OpenAI 合作建立針對法律專業人士的客製化模型。 更廣泛而言，法律 AI 平台一直大量依賴 OpenAI 及 Anthropic 等公司的封閉模型；平台需要付費使用，也要受制於供應商的發布時間表、定價及基礎設施。

採用開放權重基礎模型，令 Harvey 有更大空間修改及部署系統。公司可以自行決定後訓練方式，針對特定工作負載優化模型，亦可以按法律任務類型安排不同模型處理。代價是，原本由外部 API 供應商承擔的部分工作，現在要由 Harvey 自己負責，包括運算基礎設施、保安、評估、維護及模型營運。

這個選擇亦反映一個較務實的 AI 發展方向：對商業用戶來說，模型來自哪個國家，未必再是唯一考慮。只要開放權重系統有足夠能力，並可在法律及技術上作出適當調整，同時帶來較合理的成本，企業就可能將它列入選項。當然，模型來源、資料安全、管治及客戶接受程度等問題並沒有因此消失，反而會成為企業採用模型時必須進行的審查項目。

自己掌握更多技術層，商業上有何好處？

對一個服務高價值專業工作流程的法律平台來說，模型成本會直接影響毛利及產品設計。第三方前沿模型一般按用量收費；客戶處理越多長篇文件、執行越多代理步驟，或者進行越長時間的推理，成本便越高。若 Harvey 擁有自家模型，就可以將合適的工作交由自己控制的基礎設施處理，而不是每一項任務都送到第三方模型。

不過，開放權重並不代表推理完全免費。Harvey 仍然需要支付運算資源、數據整理、質量控制、保安系統及工程人員維護模型的成本。公司表示，後訓練亦鼓勵模型更有效率地使用工具及進行推理；如果模型在完成相同工作時使用較少 token，推理階段的成本便可能下降。

這可能形成一種分工：最困難、最開放式的問題，繼續交由昂貴的通用前沿模型處理；至於大量、重複而流程較清晰的法律工作，則由專門模型以較低營運成本完成。但這套經濟模式是否真的成立，最終仍要看 Tenet 的實際準確度、延遲、使用率及所需運算資源，而不能只看基礎模型權重的價格。

Tenet 會如何改變 Harvey 的產品策略？

Harvey 一直將自己定位為服務律師事務所及企業法律團隊的專業 AI 平台。公司網站表示，平台已有超過 2,400 個法律機構使用，並涵蓋合約分析、盡職調查、合規及訴訟等工作。

擁有這類客戶群，亦給予 Harvey 更充分理由去控制用戶產品底層的技術。法律客戶重視不同工作流程中的一致性、保安、可追溯性及表現，包括合約分析、交易審查、合規及訴訟支援。

因此，Tenet 有機會成為更一體化平台的核心，讓 Harvey 同時掌握模型、AI agent 編排、案件背景及專門工作流程。日後如果公司容許客戶以自身機構知識調整模型，Tenet 亦可能成為相關基礎。不過，這個方向目前只是報道提及的未來可能性，不應視為 Tenet 推出時已經確認具備的功能。

給垂直 AI 行業的啟示

Tenet 最重要的意義，未必是某一項模型技術，而是策略上的轉向：專門 AI 公司不一定要由零開始訓練前沿模型，才可以對產品及成本取得更大控制權。

一間垂直 AI 公司可以將以下四項資產結合：

• 以開放權重通用模型作為起點；
• 使用自家或專業人士建立的領域數據；
• 針對行業工作流程進行後訓練；以及
• 在產品層控制 AI agent、上下文、評估及部署方式。

這種做法可以在不投入最大型基礎模型公司所需資本及基礎設施的情況下，建立產品差異化。但同時，應用層公司亦要承擔更多責任：證明模型可靠、保護敏感資料、監察失誤，並證明基準測試的進步能夠轉化為實際有用的工作成果。

對 Harvey 而言，Tenet 既是一次模型發布，也是一次垂直整合的考驗。公司押注法律專業知識及工作流程數據，能夠將開放權重基礎模型變成具商業價值的系統；同時，擁有專門模型亦有望令它更能控制成本及產品表現。現有證據支持這個策略轉向，但 Tenet 的實際優勢有幾大，仍要等獨立評估及真實法律工作中的表現來回答。