汤森路透4000万美元自研Thomson 基于阿里千问

时间：2026 年 8 月 24 日，加拿大多伦多。 地点：汤森路透（Thomson Reuters，Nasdaq/TSX: TRI）总部。 人物：汤森路透 CTO Joel Hron、CEO Steve Hasker、阿里通义千问团队、英国帝国理工学院联合团队。 事件：汤森路透正式发布首款自研大语言模型"Thomson"（内部代号 Thomson-1），基础模型来自阿里通义千问 Qwen3.5-397B，整套研发投入 4000 万美元。 详情：研发历时两年，与帝国理工学院联合对 Qwen 做"安全、伦理与政治中立"再训练，中间版本被命名为 Snowdon；最后一次训练成本约 45 万美元；目前已使用 Westlaw、Practical Law、Checkpoint 与 Reuters 自有数据训练，但仅占汤森路透内容资产不到 10%。 性能：Stanford LegalBench 得分 0.823，略低于 Gemini 3.1 Pro（0.843）与 GPT-5.5（0.832），但高于 Claude Opus 4.8（0.818）；PrBench Legal Hard 0.352 领先所有模型；指令遵循 0.914 为全场最高。 部署：8 月首发集成到 CoCounsel Legal 的 Tabular Analysis，用于高密度、结构化文档审查；Hugging Face 已开源小型版本供学术与非商用验证；与 Anthropic 在 5 月扩大的 Claude 合作保持不变，CoCounsel 大部分工作仍跑 Claude。 背景：Anthropic 此前指控阿里"蒸馏"Claude 数据，并呼吁美国加码限制；美国参议员 Tom Cotton 也质疑 Airbnb、Cursor 等使用中国开源模型存在"后门"风险；Joel Hron 则表示 Thomson-1 不会取代 Claude，而是聚焦文档审查等垂直场景。 影响：中国开源大模型再度进入西方主流企业核心产品；"垂直领域小模型 + 行业数据"被验证为可与闭源前沿模型正面竞争的路径，可能加速法律、税务、会计等行业的私有模型部署。 总结：4000 万美元、两年时间、阿里千问打底的 Thomson，把"自建垂直大模型"从 PPT 推到了能与 Claude Opus 同台的水平，给所有手握独家数据的企业画了一张可复用的蓝图。 参考来源： - 汤森路透官方新闻稿：https://www.thomsonreuters.com/en/press-releases/2026/august/thomson-reuters-leverages-its-world-class-data-assets-to-launch-its-own-frontier-model - 汤森路透官方技术博客：https://blogs.thomsonreuters.com/en-us/innovation/thomson-reuters-built-its-own-ai-model-that-now-ranks-among-the-worlds-best - IT 之家中文报道：https://www.ithome.com/0/993/738.htm - CNBC 报道：https://www.cnbc.com/2026/08/24/thomson-reuters-launches-thomson-ai-model - Business Insider / The News 转载：https://www.thenews.com.pk/latest/1413460-thomson-reuters-builds-ai-model-using-alibabas-open-source-tech - Stock Titan 财经稿：https://www.stocktitan.net/news/TRI/thomson-reuters-leverages-its-world-class-data-assets-to-launch-its-6yterby5xq24.html - PR Newswire 加拿大分社：https://www.newswire.ca/news-releases/thomson-reuters-leverages-its-world-class-data-assets-to-launch-its-own-frontier-model-804511989.html - Startup Fortune 长报道：https://startupfortune.com/thomson-reuters-built-its-own-ai-model-to-loosen-its-grip-on-claude