美国 Harvey 以 Kimi K3 为底座开发法律 AI 模型 Tenet

Harvey是美国估值最高的法律AI独角兽，估值110亿美元（正在以约155亿美元估值融资），年化收入约3.5亿美元，服务超过2400家机构和20万名律师，客户包括世界级企业法务部门。此前Harvey一直依赖OpenAI的GPT-4和Anthropic的Claude等闭源模型。

Harvey是OpenAI投资的公司，此次转向中国开源Moonshot AI开源大模型Kimi K3为底座完成后训练是重大路线调整，是中国开源大模型首次进入美国头部垂直AI企业的核心训练体系。

一、技术细节

Tenet模型以Kimi K3（2.8万亿参数，Apache 2.0开源）为底座，与推理服务商Fireworks合作完成后期训练。面向需要长时间执行、连续调用工具的法律任务。在Harvey的法律智能体基准LAB上，Tenet成功完成的测试任务接近底座模型的两倍。目前处于研究预览阶段。

1. 训练数据构成‌

采用异步强化学习技术，结合合成法律数据、公开法律数据集、由执业律师标注的专家级人工数据完成定向后训练。

2 .性能表现‌

在主流法律专业基准测试中达到前沿闭源大模型的同级水平，同时运行成本仅为开源级别的成本区间，实现“前沿性能+开源成本”的组合优势。

3. 架构优势‌

完全基于开源权重底座二次开发，Harvey拥有该垂直模型的完整控制权，无需再向上游大模型厂商支付高额的API调用费用。

二、产业演进

通用模型能回答法律知识却难以完成真实法律任务。律师接到的通常不是一道问答题，而是一句来自合伙人的要求以及大量真假线索混杂的客户文件。模型需要判断从哪里开始，连续检索和阅读材料，发现风险、给出引用，最后形成可交付的合同修订或法律备忘录。真正稀缺的不只是知识，而是知道一项工作应该怎样完成、怎样检查。这些判断藏在成千上万次真实执行的细节里，只能靠训练传递，很难通过提示词和外部工作流完整传递。所以独角兽宁用现成开放模型再加工。

这不是孤立事件。Cursor发布模型Composer 2、Devin、Cosine乃至Thinking Machines纷纷采用Kimi或DeepSeek，汤森路透基于阿里Qwen构建自有模型Thomson-1。中国开源模型正以底座、合成数据等形式进入美国AI产品供应链。前沿竞争的评判标准正从参数规模转向智能体任务的可靠性、可微调性与综合成本，开源底座+垂直后训练正成为企业级AI的主流路径。

三、市场影响

对月之暗面而言，这是其开源策略在全球舞台的重要验证。对整个中国开源大模型生态，Harvey的选择说明中国开源在"长上下文+专业领域"已经具备与美国闭源竞争的能力。

1. 供应链逻辑反转‌

OpenAI本身是Harvey的核心投资方，Harvey作为估值155亿美元的美国AI独角兽，选择中国开源大模型作为旗舰产品底座，大幅降低了对自身投资方OpenAI的技术依赖，商业逻辑清晰直接。

2. 垂直AI行业风向标‌

该案例打破了美国垂直AI企业必须依赖本土闭源大模型的行业惯性，证明中国开源大模型的技术成熟度已获得全球顶级垂直AI厂商的实际落地信任。

3. 成本结构重构‌

Tenet上线后，Harvey的单用户推理成本将大幅下降，可将更多资源投入到法律场景的功能迭代中，进一步巩固其在全球法律AI赛道的领先地位。