8月19日消息,法律 AI 公司 Harvey 当地时间周一发布平台大改版 Harvey II,同时首次披露自研法律模型 Harvey Tenet。Tenet 以月之暗面7月开源的 Kimi K3 为基座后训练而成,Harvey 称其在知名法律基准上达到前沿水平,但这些分数尚未独立发布,模型也还没有在产品中上线,发布日期未定。 Harvey II:带着上下文和记忆开工的智能体
Harvey II 要解决的问题是法律 AI 每次都要从零开始。一个法律事项可能延续数月,期间律师轮换、文件变更、早期决定影响后续走向,而大多数法律 AI 在每件事上都要求用户重新上传文件、交代背景、说明要求。
改版后,智能体直接在"事项或项目空间"里打开,该事项的文件、当事方、人员配置、任务、权限和工作历史已经就位。律所的权限设置和道德隔离墙(ethical walls)从既有系统直接同步进空间,客户数据不会从一个空间流向另一个空间;AI 用量和成本也按事项归集,跟着工作走。任务可以分配给律师,也可以分配给智能体。智能体完成初审后,任务自动流转给负责下一步的律师,不再依赖邮件转发。
另一项核心能力是 Memory。它学习律师个人的措辞选择、文书风格和工作结构偏好,在 Harvey、Word、Outlook 和智能体之间随身生效。Harvey 称,用户可以查看、编辑或关闭记忆,记忆内容不会用于模型训练。公司首席产品官 Anique Drumright 在接受 Artificial Lawyer 采访时说,这项能力今年初开始与客户共同开发,Harvey 会随着使用越来越贴合用户。
Tenet:基于 Kimi K3 的后训练,但还没上线
Tenet 是 Harvey 第一个自研模型。据 Business Insider 对联创 Gabe Pereyra 的采访,Harvey 聘请了专职律师和包括 Mercor、Snorkel 在内的外包方,编写模拟争议和案卷,并根据模型推演这些材料的表现打分,用这批数据对月之暗面的开源模型 Kimi K3 做后训练。
Harvey 称 Tenet 在知名法律基准上达到前沿水平,与最强的通用模型表现相当,而成本保持在开源模型的量级。按公司说法,这让在每个事项上常驻运行智能体变得划算。两个边界需要说清:这些分数没有独立发布,Harvey 表示研究论文会后续公布;Tenet 目前也没有在产品中上线,Pereyra 没有透露任何测试律所的名字,也没给发布日期。
更长期的设想是私有化分叉:Tenet 作为起始权重,各家律所在其上微调出自己的模型,两家都用 Harvey 的律所最终拿到不同的模型,因为各自的工作塑造了它。
Tenet 的基座选择对中文读者另有一层看点。Harvey 此前的产品建立在 OpenAI 和 Anthropic 的模型之上,第一个自研模型却没有找美国实验室,而是用了月之暗面的 Kimi K3。开源权重允许 Harvey 完整持有并继续训练,成本也支撑"每个事项常驻智能体"的用法。
套壳层为什么开始自研模型
Harvey 是法律 AI 赛道估值最高的公司之一。据 36 氪等媒体报道,其估值达 110 亿美元,用户覆盖 1300 多家机构、60 多个国家的超过 10 万名律师,2025 年底 ARR 约 1.9 亿美元。但这门生意建立在一个结构性弱点上:产品跑在别家模型上,律师每发一次请求,Harvey 就要向 OpenAI 或 Anthropic 付一次费。
上游还在往下走。Anthropic 已经任命首位 Claude 法律业务负责人,并向律所销售审查与文书插件;OpenAI 聘请了合同管理公司 Ironclad 的创始人 Jason Boehmig 负责法律业务。模型厂直接抢客户的情况下,"套壳层还剩什么价值"是 Harvey 必须回答的问题;据 AI Midday 报道,它的对手 Legora 正寻求超 100 亿美元的新估值,要回答的是同一个问题。 Harvey 的回答是两头做:应用层用事项空间、权限同步和 Memory 把产品绑进律所的工作流与数据里,提高迁移成本;模型层用自研把按量付费变成自有资产,并为律所私有微调留出位置。这条路径是否成立,现在无法判断——Tenet 没有上线,基准分数没有第三方复核,也没有律所公开表示愿意用真实案卷训练私有模型。答案要等 Tenet 真正进入客户工作流之后才会出现。