企业讨论领域模型时,常把选择压缩成两项:购买前沿模型 API,或者自己训练模型。Thomson Reuters 的 Thomson 1.0 提供了第三种结构:从开放权重底座开始,把资本投入持续训练、数据权利、专家标准、评测、部署和模型路由。
这项计划的公开总投入约为 4000 万美元。这个数字不等于一次训练的费用,也不能直接证明每家大型企业都该训练自己的模型。它真正提供的是一份立项样本:什么条件同时成立时,持续训练才可能比 API、RAG 和托管模型更有价值。
先选路径,再讨论预算
企业 AI 至少有四种运行路径。它们解决的约束不同。
| 路径 | 优先适用的任务 | 主要验证问题 |
|---|---|---|
| 前沿 API | 通用能力、新能力、波动用量、快速上线 | 数据边界、单位成本、供应商切换和 SLA 是否可接受 |
| API 或托管模型加 RAG 与工具 | 最新事实、权限检索、可引用答案 | 检索质量、数据授权、工具结果与任务评测是否稳定 |
| 开放权重加私有持续训练 | 稀缺数据、长期重复、高价值领域任务 | 数据权利、专家信号、能力保持、部署和摊销是否成立 |
| 从零预训练 | 现有底座无法满足架构、语言、来源或供应链要求 | 资本、人才、算力、数据规模和长期运维能否承受 |
Thomson Reuters 选择的是第三条,并继续保留其他路径。官方把 CoCounsel 描述为 Multi-model by Design:Thomson 处理优势明确的任务,外部领先模型服务其他 Workload。这里的核心动作不是用一个私有模型替换所有供应商,而是把机构最独有的能力放进可控制的层,同时保留路由出口。
六道立项门
Thomson 的案例可以压缩成六道门。企业只有在大部分门都能提供证据时,私有持续训练才值得进入正式预算。
1. 数据权利与稀缺性
Thomson Reuters 拥有 Westlaw、Practical Law、Checkpoint、Reuters 及大量专业内容。官方构建说明强调,这些内容在进入训练前还要完成发现、权利评估、清洗、结构化、去重和效果筛选。公司称,持续预训练目前实际使用的内部内容少于 10%。
这说明拥有 PDF 或数据库只是起点。立项材料需要回答:组织是否有权把内容用于训练,内容是否难以由竞争者购买,以及它相对检索是否带来可测的任务增量。
2. 专家判断能否变成标准
领域优势不等于把专家回答批量塞进训练集。Thomson Reuters 的说明提到,资深执业者花费数月设计法律研究 Rubric,数千小时合格律师时间用于结构化偏好判断,约 1500 名 Attorney-editors 构成更广的制度基础。
真正可复用的工件是标准:答案必须包含哪些要素,适用哪个辖区,排除什么,引用如何验证,以及看似合理的答案为什么仍不合格。企业若无法处理专家之间的分歧,更多标注只会把矛盾平均进模型。
3. 评测是否同时检查提升与遗忘
领域训练可能增加专业知识,同时损害 Instruction Following、Coding、Mathematics 或通用推理。Thomson 的训练管线把 Plasticity 和 Stability 分开管理,并结合公开基准、内部领域任务、人工偏好、工具化任务和对抗评测。
立项门槛不应是一张总榜。团队需要冻结一组真实任务,分别验收领域质量、通用能力保持、引用有效性、安全、延迟和成本。每项提升都必须有对应的回归检查。
4. 组织能否部署、观察和回滚
技术报告描述的系统超出训练:分布式训练、Reward 计算、评测、检索、缓存、推理服务、路由、数据驻留、可观测和隔离都在范围内。生产平台分布在两个云、四个地理区域和 11 个集群,并将 Routing 与 Inference 分开。
一次成功训练运行只是实验。组织还要证明自己能服务模型、发现漂移、回滚 Checkpoint、隔离数据、更新底座并处理线上故障。
5. 工作负载能否摊薄整套系统
经济性比较必须使用一次合格任务的总成本。训练 GPU 只是其中一项;专家复核、数据工程、评测、推理、失败恢复和平台人员都要进入分母。
Thomson Reuters 拥有稳定的法律、税务和新闻产品,也有足够重复的专业任务。低频、通用或快速变化的需求通常更适合 API、RAG 或托管部署。
6. 是否保留退出与共存能力
官方构建说明称,Thomson 在过去几年多次更换 Root Model,并会继续随开放权重前沿更新。这个能力比绑定某个 Checkpoint 更重要。
企业需要证明:底座可以替换;外部模型在 Coding、数学、多语言或新能力上更强时可以继续路由;离开某个供应商、架构或许可后,数据、评测和专家标准仍归组织所有。
六道门都能通过,才支持长期私有 Continual Learning。只通过检索和隐私两道门时,RAG、工具或托管模型通常更合适。
4000 万美元与 45 万美元不是同一个分母
Thomson 技术报告给出两个成本口径:
| 数字 | 它覆盖什么 | 不能据此推断什么 |
|---|---|---|
| 低于 45 万美元 | Thomson-1.0-Large 最终三周训练运行的 GPU 成本估算 | 全部实验算力、人员、数据和完整开发成本 |
| 约 4000 万美元 | 人员、算力、专家报酬、供应商、研究、基础设施与实验的总开发成本估算 | 一次训练的价格或完整逐项成本明细 |
将 45 万除以 4000 万,再称其为项目算力占比,会制造虚假精确。分子只覆盖 Large 的最终运行,分母覆盖整个计划。论文没有披露此前全部实验的美元算力成本。
这组口径真正揭示的是资产结构。最终运行生成一个 Checkpoint,其余投入使组织可以持续选择数据、定义标准、训练、评测、部署、收集失败并开始下一轮改进。
Thomson 1.0 的技术边界
Thomson 不是从零预训练的基础模型家族。Large 从 Qwen3.5-397B-A17B 架构和 Snowdon 阶段出发;公开的 Thomson-1.0-Small 模型卡列出 Qwen3.6-35B-A3B 架构、350 亿总参数、30 亿激活参数、262144 原生上下文,以及 35207 B200 GPU-hours。
开发管线包含三个主要阶段:
- 价值重对齐:通过 Constitution 与 Preference Training 设定行为和价值边界。
- 知识型中期训练:持续预训练注入领域知识,使用 Replay 与 Model Merging 控制通用能力损失。
- 行为与 Agent 训练:DPO、强化学习、领域 Ontology、执业者查询和 Deep Research Harness 共同塑造任务行为。
论文称中期训练从超过 19T Token 的候选池中选择 200B Token,组合专有文档、合成改写和通用 Replay。技术团队不超过 36 名工程师与科学家,任一实验阶段可用 B200 不超过 368 张。这仍然是大型组织级投入,与从零训练前沿基础模型的资本结构不同。
模型工厂比单个 Checkpoint 更持久
把 Thomson 案例拆开,可以看到五类可复用资产。
第一类是权利清晰且可测的数据管线。第二类是把专业判断转成 Rubric、偏好和留出任务的专家系统。第三类是能识别领域提升与通用回退的评测基础设施。第四类是训练、服务、路由、回滚、隔离和观测平台。第五类是多模型共存机制。
这些资产可以在开放权重底座变化后继续使用。权重会被替换,数据权利、错误分类、专家裁决和任务评测会复利。
改进闭环可以写成:
权利清晰的数据
→ 专家标准
→ 训练信号
→ 留出评测
→ 受控部署
→ 真实失败样本
→ 更好的数据与 Rubric
这与站内的开放权重战略相互补充。开放权重降低了获得强组件的成本,机构优势仍来自自己能控制并反复运行的改进系统。
读基准时要分开模型与系统
Thomson 公布的评测相当详细,主要证据仍来自开发团队。Large 权重、私有训练数据、内部测试集和完整工具环境没有公开。Small 权重可下载,因此其公开任务具有更强的外部复跑条件。
论文报告的作者评测中,Thomson-1.0-Large Cross-domain Average 为 78.5,Claude Opus 4.8 为 79.5,Gemini 3.1 Pro 为 78.0,GPT-5.4 为 76.5,Qwen 底座为 73.0;Legal-domain Average 为 78.4,Opus 4.8 为 78.3。
聚合分数会隐藏回退。表格同时显示,Thomson-1.0-Large 在 Stanford LegalBench、Harvey Legal Agent Benchmark 及部分 Coding、Factuality、Mathematics、Robustness 指标上仍有弱项。作者也承认数学与抽象推理落后于最强专有模型。
人工评测比较的还是完整系统。35 名 Attorney-editors 评估 3035 个任务,Thomson 使用法律工具与 Reuters 新闻搜索,外部模型使用各自 Web Search。消融结果显示,移除专门法律工具会改变结果。因此现有证据支持 Thomson Reuters 构建了一个有竞争力的领域系统,暂时无法把全部收益归因到参数更新。
开放权重仍要逐层核验许可
Small 的 Qwen 与 Snowdon 底座在模型卡中标记为 Apache 2.0,Thomson-1.0-Small 本身使用 PolyForm Strict 1.0.0。
该许可面向特定非商业用途,没有授予一般商业使用、再分发和修改权。开放权重是更准确的标签。企业不能因为底座采用 Apache 2.0,或权重可以下载,就推断衍生模型具备相同商业权利。
许可核验需要沿整个模型链进行:底座、持续训练产物、数据、工具、服务和最终产品分别确认。
立项材料应交付什么
如果团队要把第三条路推进到预算评审,至少应准备:
- 数据权利清单与可用训练范围;
- 专家 Rubric、分歧处理和标注产能;
- 冻结的领域与通用能力回归集;
- API、RAG、托管与持续训练的合格任务成本对照;
- 服务、路由、观测、回滚和数据驻留方案;
- 底座替换、许可变化和供应商退出预案;
- 分阶段停止条件,而不是一次性承诺完整模型工厂。
缺少这些工件时,4000 万美元只能作为新闻数字,无法成为可复算的投资依据。
结论
Thomson Reuters 的案例没有终结 Build versus Buy。它把问题改写成了 AI Stack 的分层所有权:哪些层包含机构独有知识,哪些层可以继续租用,组织是否能用证据验证这种区分。
如果企业拥有稀缺且权利清晰的数据、长期专家反馈、高价值重复工作、严格评测、部署能力和足够规模,开放权重上的持续训练可以成为第三条路。其余企业更适合把资本投入 RAG、工具、评测和模型路由。
4000 万美元买到的主要资产不是一个永远领先的模型。它买到的是一套可以持续更换模型、保留机构判断并验证结果的改进闭环。