Administrator
Published on 2026-11-07 / 16 Visits
0
0

企业 AI 的第三条路:Thomson Reuters 的 4000 万美元买了什么

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:

  1. 价值重对齐:通过 Constitution 与 Preference Training 设定行为和价值边界。
  2. 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。
  3. 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。

参考资料


Comment