Thomson Reuters 自建法律 AI 模型：花 4,000 萬美元換取控制權
重點摘要
Thomson Reuters 推出自有大型語言模型 Thomson，先導入 CoCounsel Legal 的表格分析。公司投入 4,000 萬美元，但完整技術報告與大規模獨立驗證仍未公開。
這次發布能否成立，三到六個月後可用一項資料檢驗：CoCounsel Legal 的表格分析若在相同文件集與人工複核標準下，能降低每件案件的推論成本與修正時間，Thomson Reuters 自建模型才算改變產品經濟；公司目前沒有公開這組數據。
Thomson Reuters 在 2026-08-24 推出第一個自有大型語言模型 Thomson，並表示人才與運算合計投入 $40 million。公司沒有從零訓練基礎模型，而是採用開放權重模型，再以 Westlaw、Practical Law、Checkpoint 與 Reuters 的內容做中期訓練及後訓練。數百名領域專家參與設定訓練目標、建立法律問題範例與盲測回答，這筆支出的目的，是把一般模型改造成可操作自家資料與工具的法律模型。
首個部署位置是 CoCounsel Legal 的 Tabular Analysis。這項功能處理大量結構化文件審查，管理者仍可選擇其他模型，CoCounsel 也維持多模型架構：Thomson 處理公司認為有領域優勢的任務，其他工作繼續交給外部前沿模型。這個安排降低一次切換全部工作負載的風險，也讓公司能直接比較自有模型與供應商模型的品質及成本。
成本差距是此次決策的商業核心。SiliconANGLE 報導，專案歷時兩年，最後一次訓練約花 45 萬美元；公司主張自有模型也能降低推論費用。Thomson Reuters 目前只使用不到 10% 的內部資訊，接下來不會單純把更多文件塞進訓練集，而要把內容與產品操作轉成更有效的訓練訊號。公司同時表示，未經明確同意，不會以客戶資料訓練模型。
內部測試尚待外部重現
公司稱內部測試顯示，所有模型只連接公開網路時，Thomson 的表現大致可與領先模型競爭；接上 Thomson Reuters 內容後，結果約為持平或略高。測試同時檢查答案完整度與引文能否支持主張，但完整技術報告尚未發布，SiliconANGLE 也指出結果仍缺乏廣泛獨立驗證。兩名法律學者的初步評估提供了外部觀察，樣本規模與條件仍不足以證明模型可涵蓋不同司法管轄區與法律工作。
公司計畫在未來數週與數月讓更多外部單位測試，並在 Hugging Face 釋出一個供學術、非商業用途的小型開放權重版本。後續還要把 Thomson 擴至法律與稅務產品，並提供更多主權 AI 選項。到 2026 年底前，最有辨識力的資料不會是公司公布的單一基準分數，而是 Tabular Analysis 的人工修正率、每件文件審查成本，以及外部研究者能否在公開條件下重現引文品質。
來源：