Thomson Reuters потратила $40 млн, чтобы владеть своим ИИ, а не арендовать его

Thomson Reuters построила собственную языковую ИИ-модель для юридической работы вместо того, чтобы арендовать её у OpenAI или Anthropic, потратив примерно $40 млн на персонал и вычислительные мощности за более чем два года, сообщил The Decoder.

Модель под названием Thomson построена поверх открытой Qwen от Alibaba, последней версии Qwen3.5-397B. Совместно с Imperial College Thomson Reuters сначала переобучила китайскую модель по безопасности, этике и политической нейтральности — промежуточную версию компания называет Snowdon, в честь горы в Уэльсе. Затем последовало предобучение на собственном контенте компании, постобучение с участием доменных экспертов и агентное обучение с подкреплением внутри собственных инструментальных сред Thomson Reuters. Пока в обучение вошло менее 10% доступного контента.

Цифра в $40 млн затмевает более широко растиражированную сумму в $450 тысяч, которая покрывает только финальный запуск обучения текущей версии. Даже $40 млн занижают реальные вложения: десятилетия контента из Westlaw, Practical Law, Checkpoint и Reuters, плюс рабочие часы сотен доменных экспертов, создавших исходные данные.

“Это как аренда дома против покупки дома. Вы наращиваете капитал в том, чем владеете на долгий срок, и это накапливается со временем.”

— Джоэл Хрон, CTO, Thomson Reuters

Собственные тесты компании показывают неоднозначную картину. На Stanford LegalBench Thomson набирает 0,823, уступая Gemini 3.1 Pro и GPT-5.5. На Harvey Legal Agent Benchmark модель идёт сразу за Opus 4.8. Она лидирует по следованию инструкциям и на сложном PrBench Legal, но резко проседает по рассуждениям и особенно по написанию кода, а само сравнение смещено методологически: Thomson работает с масштабированием во время инференса, тогда как GPT-5.5 работает без режима рассуждений.

В собственном тесте компании Deep Research Thomson набирает 0,53 по фактической точности только с доступом в веб против 0,65 у GPT-5.4. Если дать Thomson доступ к собственному контенту Thomson Reuters, модель обходит GPT-5.4: 0,83 против 0,82. Руководитель оценки Эндрю Бин объясняет это заметным приростом от возможности обучаться и практиковаться на собственных инструментах компании — то, что сторонние провайдеры повторить не могут. При этом GPT-5.4 улучшается почти так же резко с тем же контентом, а значит доступ к данным даёт почти такой же эффект, как и сама специализированная тренировка.

Альтернативой было дообучение frontier-модели, и Thomson Reuters отвергла этот путь по трём причинам. Глава исследований Джонатан Шварц говорит, что стандартные техники дообучения имеют тенденцию ухудшать общие способности модели, а само дообучение по-прежнему привязывает компанию к провайдеру по стоимости инференса и дорожной карте развития модели. Дообучение превращает общую модель в узкого специалиста, но вторую причину Thomson Reuters называет данные: скачок производительности достигается за счёт обучения внутри собственных инструментов вроде Westlaw — доступ, который компания не готова передавать стороннему провайдеру. Третья причина — накопительная ценность: каждая экспертная проверка внутри рабочих процессов компании становится обучающими данными, которые остаются у неё, а не ценностью, которая исчезает вместе с уходом к стороннему провайдеру.

• Стоимость обучения: около $40 млн за более чем два года против широко растиражированных $450 тыс., покрывающих лишь финальный запуск
• Базовая модель: Qwen3.5-397B от Alibaba, переобученная на безопасность и нейтральность как промежуточная версия Snowdon
• Оценка на Stanford LegalBench: 0,823, позади Gemini 3.1 Pro и GPT-5.5
• Точность Deep Research с собственными данными компании: 0,83 против 0,82 у GPT-5.4
• Использовано в обучении на сегодня: менее 10% доступного контента

Первая задача Thomson уже своей узостью отличается от универсального ассистента. Модель заменяет функцию Tabular Analysis внутри CoCounsel Legal, где экономика оправдывает меньшую и более дешёвую модель. Продукт остаётся мультимодельным, администраторы могут переключаться между моделями, а Thomson задуман не как оркестратор, а как исполнитель подзадач вроде проверки цитирований. По заявлению компании, данные клиентов в обучение не попадают.

Уменьшенная версия появится на Hugging Face как модель с открытыми весами под некоммерческой лицензией, следом выйдут технический отчёт и портал для разработчиков, а Хрон говорит, что уже идут ранние, необязывающие переговоры с юридическими фирмами о прямом лицензировании. Удержится ли модель впереди, зависит меньше от текущих бенчмарков и больше от того, что в компании назвали настоящим преимуществом: понимания, какой интеллект стоит держать в собственности.

Материал носит информационный характер и не является инвестиционной рекомендацией.