湯森路透推出首款自有大型語言模型 Thomson，目標不是立刻取代所有外部 AI，而是把最適合由公司自行掌控的專業工作，逐步從外部模型手上收回來。

Thomson 首個正式部署場景，是 CoCounsel Legal 中大量使用的文件審查功能 Tabular Analysis。至於 CoCounsel 的其他工作，Anthropic 的 Claude 仍會繼續扮演重要角色。這項安排顯示，湯森路透押注的是「自有模型加外部模型」的混合策略，而非與第三方供應商完全切割。711

4,000 萬美元與 45 萬美元，分別代表什麼？

湯森路透表示，公司在兩年多的時間裡，為 Thomson 投入約 4,000 萬美元，涵蓋人才與運算資源。這筆金額不能與約 45 萬美元的最後一次訓練成本混為一談；後者只代表整個開發計畫中的其中一個階段。26

公司將 Thomson 描述為完全由湯森路透擁有及控制的模型，並表示其訓練與運作成本僅為同類前沿模型的一小部分。7 不過，較低的最後訓練費用並不等於整個模型只花了 45 萬美元。人員聘用、資料準備、模型開發、測試評估、運算，以及專業領域專家的投入，都屬於更完整的開發成本。26

Qwen 與 Snowdon：哪些是已確認、哪些仍屬外部報導？

湯森路透官方公告只表示，Thomson 是從「強大的開源基礎」開始打造，沒有公開點名具體模型。7

但外部報導引述公司技術長的說法，將這個基礎指向阿里巴巴的 Qwen。另有報導稱，湯森路透與倫敦帝國學院合作，重新調整 Qwen，打造名為 Snowdon 的中間模型，並著重倫理、政治與安全層面的重新校準，之後再進行專業領域訓練。214

因此，較準確的說法是：Qwen 與 Snowdon 屬於外部報導所描述的研發脈絡，並非湯森路透官方發布稿明確確認的模型名稱。官方目前能確認的資訊，是 Thomson 以開源基礎為起點，再針對湯森路透的專業應用進行調整與訓練。7

沒有把整座資料庫全部餵進模型

湯森路透表示，Thomson 的訓練資料來自 Westlaw、Practical Law、Checkpoint 與 Reuters 等平台的權威內容，並有數百名不同領域的專家參與訓練與評估。7

然而，外部報導指出，目前使用的資料不到湯森路透整體內容庫的 10%。2 這透露出一個重要的設計取向：模型效能不一定要靠吞下整座資料庫，而可以透過精選內容、領域專業和針對特定任務的評估來提升。

對法律、稅務、會計與合規等專業工作而言，模型的價值不只在於能否流暢生成文字，也在於能否可靠地處理受信任的內容，並與既有的專業工具協同工作。

Claude 不會從 CoCounsel 消失

湯森路透並非要在 CoCounsel 中全面替換 Anthropic 的 Claude。Thomson 將負責那些最能受惠於公司專業資料與特定訓練的任務；在更廣泛的工作上，Claude 預計仍會繼續提供支援，這也與雙方擴大的合作關係並不衝突。711

這種安排可概括為三層：

• Thomson：處理 Tabular Analysis 等高量、結構化的專業工作流程。
• Claude 與其他外部模型：負責需要廣泛能力的任務，或在這些任務上表現更合適的工作。
• 公司自行控制的模型與資料：用於重視成本、客製化程度與營運掌控權的場景。

對企業 AI 買家而言，這個案例的啟示很實際：擁有自己的模型，不代表必須放棄模型供應商。只要分工清楚，較小而專門的模型可以與大型通用模型並存，各自處理最擅長的工作。

「自己擁有」與「向外租用」的經濟學

湯森路透的理由同時涉及財務與策略。每次呼叫外部模型，都可能形成持續性的推論成本；同時，公司也會受制於供應商的價格、產品路線、服務可用性與政策。自行打造模型需要較高的前期投入，但完成後，系統會成為公司能夠掌控的資產。713

這也是為什麼 4,000 萬美元的完整投入，比 45 萬美元的單次訓練費更能反映這項決策。湯森路透並不是從零開始打造一個面向所有用途的通用模型，而是先採用開源基礎，再把模型專門化，最後掌握與自身業務最接近的應用場景。

換句話說，真正的資產不只有模型本身，也包括 Westlaw、Practical Law、Checkpoint 和 Reuters 多年累積的專業內容，以及數百名領域專家的工作經驗。713

計畫推出較小的開放權重版本

湯森路透計畫在 Hugging Face 上發布較小的開放權重版本，供學術與非商業研究使用，並由法律學者參與外部評估。10

這不代表正式投入生產環境的 Thomson 本身會完全開放權重。較合理的理解是，該版本將作為研究與評估用途，讓外部專家有機會測試模型的能力與限制。

這次發布真正證明了什麼？

目前可以確認的是：湯森路透已推出一款由公司控制的大型語言模型，投入約 4,000 萬美元開發，以精選的專業內容進行訓練，並首先部署在法律文件審查工作流程中。711

至於 Qwen 基礎、Snowdon 中間模型，以及與倫敦帝國學院的合作，則是外部報導補充的研發背景，而非公司公開發布稿中明確列出的細節。214 同樣地，對中國開源模型基礎的安全性疑慮，屬於供應鏈與治理層面的問題；現有報導並未證明 Qwen、Snowdon 或 Thomson 中存在後門。

這項發布的更大意義，在於它不是湯森路透試圖進入通用聊天機器人市場，而是在驗證另一條企業 AI 路線：如果一家公司擁有高價值的專業資料，就不必從零打造通用模型，也可能透過開源基礎、領域專業化與精準部署，降低對「租用」外部 AI 的依賴，同時取得更好的成本與控制權。

湯森路透推出首款自有大型語言模型 Thomson，目標不是立刻取代所有外部 AI，而是把最適合由公司自行掌控的專業工作，逐步從外部模型手上收回來。

Thomson 首個正式部署場景，是 CoCounsel Legal 中大量使用的文件審查功能 Tabular Analysis。至於 CoCounsel 的其他工作，Anthropic 的 Claude 仍會繼續扮演重要角色。這項安排顯示，湯森路透押注的是「自有模型加外部模型」的混合策略，而非與第三方供應商完全切割。711

4,000 萬美元與 45 萬美元，分別代表什麼？

湯森路透表示，公司在兩年多的時間裡，為 Thomson 投入約 4,000 萬美元，涵蓋人才與運算資源。這筆金額不能與約 45 萬美元的最後一次訓練成本混為一談；後者只代表整個開發計畫中的其中一個階段。26

公司將 Thomson 描述為完全由湯森路透擁有及控制的模型，並表示其訓練與運作成本僅為同類前沿模型的一小部分。7 不過，較低的最後訓練費用並不等於整個模型只花了 45 萬美元。人員聘用、資料準備、模型開發、測試評估、運算，以及專業領域專家的投入，都屬於更完整的開發成本。26

Qwen 與 Snowdon：哪些是已確認、哪些仍屬外部報導？

湯森路透官方公告只表示，Thomson 是從「強大的開源基礎」開始打造，沒有公開點名具體模型。7

但外部報導引述公司技術長的說法，將這個基礎指向阿里巴巴的 Qwen。另有報導稱，湯森路透與倫敦帝國學院合作，重新調整 Qwen，打造名為 Snowdon 的中間模型，並著重倫理、政治與安全層面的重新校準，之後再進行專業領域訓練。214

因此，較準確的說法是：Qwen 與 Snowdon 屬於外部報導所描述的研發脈絡，並非湯森路透官方發布稿明確確認的模型名稱。官方目前能確認的資訊，是 Thomson 以開源基礎為起點，再針對湯森路透的專業應用進行調整與訓練。7

沒有把整座資料庫全部餵進模型

湯森路透表示，Thomson 的訓練資料來自 Westlaw、Practical Law、Checkpoint 與 Reuters 等平台的權威內容，並有數百名不同領域的專家參與訓練與評估。7

然而，外部報導指出，目前使用的資料不到湯森路透整體內容庫的 10%。2 這透露出一個重要的設計取向：模型效能不一定要靠吞下整座資料庫，而可以透過精選內容、領域專業和針對特定任務的評估來提升。

對法律、稅務、會計與合規等專業工作而言，模型的價值不只在於能否流暢生成文字，也在於能否可靠地處理受信任的內容，並與既有的專業工具協同工作。

Claude 不會從 CoCounsel 消失

湯森路透並非要在 CoCounsel 中全面替換 Anthropic 的 Claude。Thomson 將負責那些最能受惠於公司專業資料與特定訓練的任務；在更廣泛的工作上，Claude 預計仍會繼續提供支援，這也與雙方擴大的合作關係並不衝突。711

這種安排可概括為三層：

• Thomson：處理 Tabular Analysis 等高量、結構化的專業工作流程。
• Claude 與其他外部模型：負責需要廣泛能力的任務，或在這些任務上表現更合適的工作。
• 公司自行控制的模型與資料：用於重視成本、客製化程度與營運掌控權的場景。

對企業 AI 買家而言，這個案例的啟示很實際：擁有自己的模型，不代表必須放棄模型供應商。只要分工清楚，較小而專門的模型可以與大型通用模型並存，各自處理最擅長的工作。

「自己擁有」與「向外租用」的經濟學

湯森路透的理由同時涉及財務與策略。每次呼叫外部模型，都可能形成持續性的推論成本；同時，公司也會受制於供應商的價格、產品路線、服務可用性與政策。自行打造模型需要較高的前期投入，但完成後，系統會成為公司能夠掌控的資產。713

這也是為什麼 4,000 萬美元的完整投入，比 45 萬美元的單次訓練費更能反映這項決策。湯森路透並不是從零開始打造一個面向所有用途的通用模型，而是先採用開源基礎，再把模型專門化，最後掌握與自身業務最接近的應用場景。

換句話說，真正的資產不只有模型本身，也包括 Westlaw、Practical Law、Checkpoint 和 Reuters 多年累積的專業內容，以及數百名領域專家的工作經驗。713

計畫推出較小的開放權重版本

湯森路透計畫在 Hugging Face 上發布較小的開放權重版本，供學術與非商業研究使用，並由法律學者參與外部評估。10

這不代表正式投入生產環境的 Thomson 本身會完全開放權重。較合理的理解是，該版本將作為研究與評估用途，讓外部專家有機會測試模型的能力與限制。

這次發布真正證明了什麼？

目前可以確認的是：湯森路透已推出一款由公司控制的大型語言模型，投入約 4,000 萬美元開發，以精選的專業內容進行訓練，並首先部署在法律文件審查工作流程中。711

至於 Qwen 基礎、Snowdon 中間模型，以及與倫敦帝國學院的合作，則是外部報導補充的研發背景，而非公司公開發布稿中明確列出的細節。214 同樣地，對中國開源模型基礎的安全性疑慮，屬於供應鏈與治理層面的問題；現有報導並未證明 Qwen、Snowdon 或 Thomson 中存在後門。

這項發布的更大意義，在於它不是湯森路透試圖進入通用聊天機器人市場，而是在驗證另一條企業 AI 路線：如果一家公司擁有高價值的專業資料，就不必從零打造通用模型，也可能透過開源基礎、領域專業化與精準部署，降低對「租用」外部 AI 的依賴，同時取得更好的成本與控制權。