九个月里，Harvey 的估值从 80 亿美元升到 155 亿美元。9 月 9 日，这家法律 AI 公司宣布完成 5.5 亿美元融资，由新投资者 Diffusion 与 Lightspeed Venture Partners 共同领投；这是继 2025 年 12 月估值 80 亿美元、2026 年 3 月估值 110 亿美元之后的又一次提价。TechCrunch 据此计算，Harvey 的估值在约九个月内接近翻倍，累计融资超过 15.5 亿美元。
这次公告最值得注意的不是又一个更高数字，而是 Harvey 给资金讲出的新故事。3 月融资时，它强调扩大客户运行的 Agent 和嵌入客户业务的法律工程团队；到了 9 月，公司把第一款后训练开放权重模型 Tenet、开放的法律 Agent 评测 LAB，以及“让法律团队构建并拥有自己的智能”放在同一条线上。资本押注的对象，开始从法律软件平台扩展为模型、行业数据、评测和可靠性工具组成的控制层。
估值九个月涨94%，收入却没有同步更新
本轮估值较 3 月的 110 亿美元高约 41%，较 2025 年 12 月的 80 亿美元高约 94%。融资公告没有披露股份比例、资金具体用途、收入、利润或现金消耗，因此 155 亿美元只能说明投资者对未来增长的定价，不能直接回答 Harvey 当前赚了多少钱。
可核对的商业进展仍然很快。CNBC 5 月报道，Harvey 在 2026 年 1 月达到 1.9 亿美元年度经常性收入，高于 2025 年 8 月的 1 亿美元；Harvey 在本轮公告中又称，80% 的 Am Law 100 律所和五家 Fortune 10 企业正在使用其产品。前一组收入数字已经过去八个月，后一组是公司口径，且没有给出席位数、合同金额、使用频率或续约率。它们证明 Harvey 已经进入大型法律机构，却不足以单独解释新的估值。
估值上升真正要求 Harvey 证明两件事：法律机构会把越来越长的工作流交给 Agent；Harvey 还能在通用模型供应商直接进入法律市场时，保住产品差异与毛利。Business Insider 报道称，Harvey 过去会在 OpenAI、Anthropic 等外部模型之间路由任务，每次调用都需要向供应商付费，而这些供应商也在加强法律产品。自有模型因此同时承担降低推理成本和避免被上游替代的任务。
Tenet 把差异化放进模型，控制权仍停在研究预览
Tenet 不是 Harvey 从零训练的基础模型。Harvey 8 月 20 日披露，它以 Moonshot AI 的 Kimi K3 为底座，与 Fireworks 共同为长程法律工作进行后训练，并改进了执行任务的 Agent harness。Kimi K3 本身是一个 2.8 万亿总参数、1040 亿激活参数的开放权重模型，模型卡与权重按 Kimi K3 License 发布。Harvey 增加的知识产权主要位于法律任务环境、专家数据、奖励设计、后训练配方和执行系统，而不是底座架构。
这条路线需要的也不只是“接一个模型 API”。Harvey 称，Tenet 使用约 1750 个法律任务环境，每个训练周期运行超过 1 万条 Agent 轨迹，在约 150 张 NVIDIA B300 GPU 上训练两个月；数据由合成数据、公开法律数据和人类专家数据组成，公司称没有使用客户数据。也就是说，资本可以直接转化为算力、法律专家标注和工程投入，把通用开放权重模型变成垂直模型。
Harvey 的内部结果显示，Tenet 在 LAB 留出任务上完成数量接近 Kimi K3 底座的两倍，在合同子集上多完成 20%，对应全标准通过率分别提高 9 个和 2 个百分点。这些结果来自 Harvey 自建的训练环境、harness 与评测体系；公司也承认，其内部运行与外部报告会因 harness 和裁判实现不同而出现差异。它们支持继续验证这条后训练路线，尚不能替代独立复现。
“拥有智能”的边界因此需要说清。Harvey 将 Tenet 称为开放权重模型，但截至这篇研究预览发布时，页面没有提供 Tenet 权重下载、许可证、API 或生产上线时间，并把下一步写成扩大算力、将研究带入产品。开放的是 Kimi K3 底座和 LAB 基准；法律机构是否能拿到 Tenet 的权重或适配器、在自选环境部署并带走自己的模型资产，Harvey 尚未公布交付方式。
LAB 与 Guardrails 补上评测和可靠性
模型控制权只有在机构能衡量结果、约束行为时才有意义。Harvey 5 月开放的 LAB 包含 24 个法律实践领域、超过 1200 个长程任务和 7.5 万多条专家编写的二元验收标准。每项任务要求 Agent 阅读一组模拟客户材料并产出可供审阅的工作成果。它把“模型会不会做法律工作”拆成事实、结论、引用、建议和格式等可检查条件，也为后训练提供了目标函数。
同一天宣布融资时，Harvey 还收购了 Agent 安全公司 Guardrails AI，这是它 2026 年的第四笔收购。Guardrails 团队的 Snowglobe 用合成用户在上线前对 Agent 做压力测试；Harvey 表示，这支团队将加入产品与工程部门，把行为模拟和评估能力用于平台。Reuters 报道称交易价格没有披露。Tenet 负责模型，LAB 负责衡量，Guardrails 负责在更长工作流中寻找失控行为，这三层共同解释了新融资为何与“拥有智能”绑定。
律所真正拥有多少，要看三项交付
对律所和企业法务而言，判断这套路线是否兑现，不应只看 Harvey 又覆盖了多少头部客户，而要看三项更具体的交付。
第一是资产边界：客户能否获得并保存专属权重、适配器、评测集和配置，合同结束后能否迁移。第二是部署边界：客户能否选择云、区域或自有环境，哪些数据进入训练，谁能审计和删除。第三是经济性：自有模型能否在达到同等质量时减少外部模型费用，并把节省反映到合同价格或更长工作流中。
Harvey 已经搭起从开放底座到法律后训练、评测和可靠性测试的研究链条，也用客户覆盖和快速增长证明了法律行业愿意采购 AI。155 亿美元估值买下的，是这条链条能否从 Harvey 的内部研发资产，变成客户可以控制、验证并迁移的智能基础设施。下一次检验这笔估值的进展，不会只是更多席位，而是 Tenet 的生产部署方式、独立评测结果，以及首批客户究竟拿到了哪些可归属的模型资产。
