8 月 24 日，汤森路透发布其首个自研大模型 Thomson（正式版本号 Thomson 1.0）。这家以法律、税务、新闻内容为主业的信息公司称，自己用约 4000 万美元和自有数据，做出了"在多项任务上对标前沿模型"的领域专用模型。据法律科技媒体 LawNext 从发布前媒体吹风会了解，本次发布版本的最终一轮训练花费约 45 万美元。不过，Thomson 在开源模型基础上继续训练，其投入不能与前沿实验室从头训练旗舰模型的数十亿美元直接比较。
汤森路透也是 OpenAI 与 Anthropic 的重要企业客户，旗下 CoCounsel 法律产品长期使用第三方前沿模型。自研 Thomson 后，公司希望在继续使用这些模型的同时，借助专有数据、专家监督和可重复的训练与验证流程，改善 AI 在专业任务中的表现。
两年投入 4000 万美元，最终一轮训练花费 45 万美元
官方新闻稿的表述是：前沿实验室"通常花费数十亿美元和数年基础设施投资才到达前沿"，汤森路透走了另一条路——"从一个强开源底座出发，投入 4000 万美元，把 Thomson 训练成对专业工作最关键的智能"，这笔钱覆盖人才与算力。新闻稿没有点名底座模型。
更细的数字来自 LawNext 记者 Robert Ambrogi 对媒体吹风会的记录：两年间总投入约 4000 万美元，而本次发布版本的最终一轮训练只花了约 45 万美元。CTO Joel Hron 把这个数字当作论据："这个 45 万美元的数字，说明我们能在一流开源模型之上，用我们的数据和内容做出什么。"
这两组数字对应不同的成本。Thomson 没有从零做预训练，而是在现有开源模型上进行中训练与后训练，让模型适应专业领域；基础模型的预训练成本由原开发者承担。据 LawNext 对媒体吹风会的报道，两年里底座模型随开源生态的进步换过近六次，最近一次采用的是 Qwen 3.5；基础研究主管 Jonathan Schwarz 强调，这次发布最重要的不是某个模型，而是"我们建成的模型工厂"（model factory）——一套可以重复使用、把开源基础模型训练成领域专用模型的流程。
自有内容之外，数百名专家参与训练和盲评
Thomson 的训练数据来自汤森路透数十年的权威内容：法律数据库 Westlaw、实务指引 Practical Law、税务产品 Checkpoint，以及路透的新闻。公司称，目前只用掉了全部内容的不到 10%。
专家也直接参与训练与评估。据 LawNext，数百名内部律师与税务专家参与了三件事：决定模型该被训练成什么样；产出数千条高质量示范答案；以盲评方式把 Thomson 的输出与前沿模型做逐条对比。评估负责人 Andrew Bean 的说法是，这套流程衡量两个维度——完整性（答案是否覆盖了正确回答应有的要素）与事实性（引文是否真的支持论断）。
公司认为，用专有数据继续训练，并加入专家监督，可以取得"仅靠内容访问"得不到的提升。它希望证明，仅让通用模型接入正确内容，例如通过检索增强提供资料，还不足以让模型达到专家水平；训练模型如何使用内容也有作用。Schwarz 描述了具体做法：先对齐模型的价值观与行为，再用汤森路透专有内容持续训练，最后训练它与公司自有的研究工具协同。
还有一个治理细节：Hron 明确表示训练完全不使用客户数据，而是让内部专家复现相应任务来提供训练示例。
公司评测中的优势，依赖接入汤森路透内容
"在多项任务上对标最新前沿模型"是 CEO Steve Hasker 在新闻稿中的原话，属于公司自报。目前可查的外部证据有限，需要分开看。
最具体的是汤森路透内部一个名为 Deep Research 的基准：由专家起草法律研究问题并给出"好答案应包含的要素"，从完整性与事实性两个维度打分。据 LawNext，公司把 Thomson 与 GPT-5.4、Claude Sonnet 5 对比，各测两次——一次只能访问网络内容，一次可访问汤森路透内容。结果：网络内容条件下，Thomson"与其他模型在同一区间，但还不是领先者"（Bean 原话）；接入汤森路透内容后，Thomson 反超两个对手。
这组结果支持的判断是：Thomson 在使用自家工具和内容时更有优势，尚不能由此推断它在开放任务上的推理能力更强。Hron 的说法更直白："Thomson 不需要在所有维度跟上通用智能的前沿，它需要在法律智能上设定前沿。"
外部验证方面，华盛顿大学法学院教授 Jonathan H. Choi 用其公司法课程中较难的问题测试了 Thomson 与 ChatGPT、Claude，三者都答对，但他更偏好 Thomson 的回答，尤其是链接到法学专著的引文。汤森路透还把一个小版本以非商业学术许可放到 Hugging Face 上，并称本周将发布包含公开基准、法律专项基准与人工评测的技术报告。综合看，"对标前沿"目前是公司主张加单一学者测试，尚缺大规模独立基准。
先接入法律文档审阅，未来拟向外部客户授权
Thomson 首先用于 CoCounsel Legal 的 Tabular Analysis 功能，帮助律所和企业法务开展高频的结构化文档审阅。Hron 说 Thomson 会是该功能的默认模型，但管理员可以在设置里切换到其他模型；CoCounsel 整体仍保持多模型，在 Thomson 优势最明显的地方用 Thomson，其余地方继续用 OpenAI、Anthropic 等前沿模型。
自研模型的用途也不止于内部产品。公司计划把 Thomson 扩展覆盖法律与税务产品线，提供更多"主权 AI"选项；已开始与大型律所和企业谈直接授权，包括让客户用自己的数据进一步微调；开发者门户与 API 也在早期搭建中。Hron 的原话是："我们把 Thomson 建成汤森路透的基础设施，现在开始看到它也可能成为别人的基础设施。"
自研让汤森路透能更直接地控制训练方式、模型行为与偏见，以及数据和隐私的处理方式。这也是公司新闻稿所说的"AI 主权"。汤森路透把这归结为一个它称之为 Fiduciary-Grade AI 的标准：面向负有注意义务与问责义务的专业人士，"几乎正确不够好"，且未经明确同意不得用客户数据训练。
成本不含基础模型预训练，效果仍待独立验证
4000 万美元不是全部成本。Thomson 建在一个前沿规模的开源底座之上，底座本身的预训练支出由他人承担；45 万美元也只是最终一轮训练的费用，不是从零到一的总账。用它反推"训练大模型很便宜"会失真。
"对标前沿"也有明确的测试条件：核心证据是公司自建的 Deep Research 基准与一位学者的抽样测试，比较对象是 GPT-5.4 与 Claude Sonnet 5，且优势集中在"接入汤森路透内容"这一特定条件下。要判断它是否真的在开放法律任务上追平前沿，得等技术报告与第三方复现。
这种做法也有适用条件：公司需要拥有权威、难以复制的专有领域数据，例如法律判例、实务指引、税务规则，还要能承担数百名领域专家参与标注与盲评的成本。Thomson 提供了一种可能：拥有独特数据的组织，可以利用开源模型，以较低的新增投入训练领域模型。对没有这类数据资产的团队，这条路并不容易复制，也不能由此推断通用模型的作用正在消失。
汤森路透的尝试，让专业 AI 的另一组竞争条件更具体：数据是否权威、专家监督是否充分，以及能否持续改造开源模型。其效果还需技术报告和独立测试验证。Schwarz 对公司的目标概括得很明确："更大的发现不是单个模型，而是我们建成的模型工厂。"
