- 2026年8月第三周，Harvey、汤森路透、谷歌云先后发布法律 AI 产品：Harvey II 平台与 Tenet 模型（8月18日）、汤森路透首款自研大模型 Thomson（8月24日）、Gemini Enterprise for Legal（8月25日）。
- Thomson 训练投入约 4000 万美元，基于开源基座做中期训练与后训练，目前只使用了汤森路透自有内容的不到 10%。
- 汤森路透同时把 Thomson 的「小版本」以开放权重形式放上 Hugging Face，供学术与非商业使用。
- Gemini Enterprise for Legal 目前为预览版，首发客户包括 Cleary、Freshfields、Weil、Williams & Connolly 四家律所，并通过 MCP 连接器接入 iManage、NetDocuments、Harvey 等法律系统。
- 需要注意：Thomson 尚未正式上线，官方口径是「将随 CoCounsel Legal 下一版本在 Tabular Analysis 功能中提供」。
2026年8月第三周，法律 AI 赛道一周内连发三件事。Harvey 拿出平台代际升级和首款自研模型，汤森路透交出了公司历史上第一个自研大语言模型，谷歌云则把 Gemini Enterprise 的第一个行业版本给了法律。三家身份各不相同——创业公司、内容巨头、云平台——但指向同一个方向：法律 AI 正在从「调用通用大模型」转向「自有专业底座加平台化能力」。
一周内三份发布：时间线与定位
| | | |
|---|
| | | |
| | | 公司首款自研专有大语言模型，主打「受托级 AI」（Fiduciary-Grade AI）标准 |
| | Gemini Enterprise for Legal / Financial Services | |
Harvey II 与 Tenet：从平台升级到自研模型
Harvey 是法律 AI 领域估值最高的创业公司之一。8月18日发布的 Harvey II 是一次平台重构，核心由三部分组成：自研模型 Tenet、个性化引擎 Memory 和项目上下文机制 Spaces。
Tenet 是 Harvey 首款自研的后训练法律推理模型。Harvey 称其在主流法律基准上达到前沿水平，同时推理成本接近开源模型，使「每个案件全天候运行法律 Agent」在经济上可行。官方未披露基座模型，有第三方报道称 Tenet 基于月之暗面的 Kimi K3 后训练而成，这一说法尚未得到 Harvey 确认。 Memory 负责记住律师个人的写作习惯、引用偏好和律所的标准条款库，Harvey 承诺这些记忆数据仅服务于对应客户，不用于训练通用模型。Spaces 则让 Agent 打开任务时自带案件上下文，包括当事人、文档、权限和伦理墙设置。Harvey 描述的典型场景是：律师回到一个并购项目时，系统已连夜审完数据室里最新一批合同，并按团队格式返回标注好风险点的初审报告。
Thomson：4000 万美元训练出的「内容巨头自研模型」
汤森路透 8月24日发布的 Thomson，是这家拥有 Westlaw 的内容巨头首款自研大语言模型。官方新闻稿给出了几个硬数字：训练投入约 4000 万美元（含人才与算力），从开源基座出发做中期训练和后训练，训练数据来自 Westlaw、Practical Law、Checkpoint 和路透社数十年的专有内容，目前只用了自有内容的不到 10%。
汤森路透称，早期自测显示 Thomson 在多项任务上与最新前沿模型相当。发布前公司邀请了外部学者独立评估：华盛顿大学法学院的 Jonathan Choi 用公司税法课程的难题对比了 Thomson、ChatGPT 和 Claude，三者都答对了，但他更偏好 Thomson 带专著链接的回答；皇后大学冲突分析实验室主任 Samuel Dahan 的评估则认为，Thomson 的引用质量与领先前沿模型大体相当，即使测试的是没有专门适配的加拿大劳动法问题。 两个细节值得记录。一是 Thomson 的「小版本」将以开放权重形式发布在 Hugging Face 上，限学术和非商业用途，汤森路透称此举是为了让外部帮助验证模型。二是可用状态：Thomson 还没有正式上线，官方口径是将随 CoCounsel Legal 的下一版本在 Tabular Analysis（表格分析）功能中提供，该功能支持对最多 1 万份文件批量提问 100 个问题并输出动态表格。CoCounsel Legal 本身保持多模型架构，Thomson 只用在它有明确优势的环节。
Gemini Enterprise for Legal：谷歌云的第一个行业方案
谷歌云 8月25日宣布推出 Gemini Enterprise for Legal 和金融服务版，法律与金融成为 Gemini Enterprise 平台首批两个行业方案，目前均为预览版。
法律版由四部分组成：面向法律任务的专用技能（合同审查、法律研究、监管动态扫描、数据主体访问请求合规等）；通过 MCP 协议接入法律行业系统的安全连接器，名单包括 iManage、NetDocuments、Docusign、Everlaw、RelativityOne、CourtListener，以及 Harvey 和汤森路透自己的产品；第三方法律科技公司和 Accenture、Deloitte、KPMG 等咨询伙伴共建的 Agent 生态；以及供 IT 和风控团队使用的统一治理面板。首发客户包括 Cleary、Freshfields、Weil、Williams & Connolly 四家国际律所。
谷歌云承诺，客户数据、提示词和输出永久留在客户的私有云边界内，基础模型不使用客户数据训练，连接器直接继承组织现有的文档级权限，伦理墙设置随系统自动生效。
为什么法律先跑通了垂直大模型
从 2023 年 CoCounsel、Lexis+ AI 到这一轮发布，法律一直是垂直大模型落地最快的行业。同期被看好的医疗、金融投研、高端制造，大多卡在下面六条里的一两条上。
语料和评测都有现成基础
法律文本格式稳定、结构清晰，裁判文书、法律法规、司法解释都有官方公开渠道。厂商既能低成本拿到海量语料，又能构造客观评测集——判罚结果明确，可以逐条核对。医疗病历涉及隐私且格式杂乱，金融研报散在付费终端里，数据获取难度高出几个量级。
省下的时间直接是钱
律师和法务普遍按小时计费。AI 把合同审阅从数小时压到分钟级，节省的工时直接体现在收入上。这种「效率提升等于真金白银」的换算关系，比大多数 B2B 场景更容易说服决策者，也是资本持续进入的原因。
高频刚需，但容错成本极高
检索、合同审阅、文书起草是每日重复劳动，而一个错误的法条引用可能让整份文件失效。通用大模型在法律语义和虚构法条上的短板，反过来成了垂直模型最硬的卖点——场景越苛刻，专门训练越值钱。
结论天然可追溯
法律结论可以锚定到具体条文和判例。结合检索增强和引用标注，模型能做到每条结论有出处。这一轮三款产品都把可溯源作为核心设计：Thomson 依托 Westlaw 的引用体系，Gemini 要求研究输出扎根权威一手来源，Tenet 直接为法律推理做后训练。可验证性让律师敢于把 AI 产出当草稿用，采纳门槛因此降低。
保密要求筑成门槛
律所对客户负有保密义务，企业法务有伦理墙约束，这催生了私有化部署、数据不出域的市场。头部厂商在安全合规上的投入（SOC 2、ISO 27001、GDPR 等），后来者靠开源底座难以快速复制。谷歌云承诺基础模型不用客户数据训练、Harvey 承诺记忆数据仅服务单一客户，都是对这道门槛的回应。
监管阻力相对小
法律建议的最终责任始终在人，误用后果比自动驾驶、医疗诊断可控。「AI 提升法律服务可及性」还带有正向的社会叙事，政策端接纳度更高。
这些模型能解决什么问题
核心价值可以概括为八个字：减负、提速、控险、传承。落到具体场景：
| | |
|---|
| | |
| | |
| | |
| | Thomson Tabular Analysis：1 万份文件批量提问 |
| | |
| | |
| | |
这一轮的共同变化是 Agent 化：从单点文书生成转向端到端任务执行。谷歌云明确把重心从「文本生成」转向「代理任务执行」，Harvey 的 Spaces 则把任务执行放进完整的项目上下文里。需要强调的是，三款产品的定位都不是替代律师，而是把检索、初审、草拟等重复劳动交给 AI，把策略判断留给从业者。
落地建议
律所和法务机构引入这类工具时，可以先从可验证的环节切入，比如带引注的检索问答和文书草拟，而不是直接上马端到端 Agent，这样内部质疑和合规阻力都更小。合同审查和类案检索通常是见效最快的场景，适合用来建立内部信任。部署方式上，优先选择承诺数据不用于训练、支持私有化或数据不出域的方案，这在采购决策中往往是硬门槛。
另外两点值得在选型时核实。一是与现有工具栈的兼容性，新一代方案普遍通过 MCP 连接器开放接入，采购前确认平台能否对接已有的文档管理系统。二是实际可用状态，本轮三款产品处在不同阶段：Harvey II 已发布，Thomson 要随 CoCounsel Legal 下一版本落地，Gemini Enterprise for Legal 还是预览版，宣传口径和实际可用之间存在时间差。
常见问题
法律垂直大模型和通用大模型有什么区别？
垂直模型针对法律语料做了额外的中期训练或后训练，在法条理解、判例检索、风险条款识别等任务上更稳定，虚构法条的概率更低，且通常内置检索增强和溯源引注机制，每条结论可以追到具体法条或判例。
这些法律 AI 会取代律师吗？
三家厂商的官方定位都是人机协同而非替代：AI 承担检索、初审和草拟，律师保留策略设计、庭审和最终责任。从目前的产品设计看，伦理墙、权限继承和人工确认环节都被保留在工作流里。
客户数据安全如何保障？
Harvey 承诺记忆数据仅服务单一客户且不用于训练；谷歌云承诺客户数据、提示词和输出留在私有云边界内，基础模型不用客户数据训练；汤森路透明确未经客户明确同意不使用其数据训练模型，Thomson 运行在公司自有托管环境中。
现在能用上吗？
Harvey II 已随 8月18日的发布开放。Thomson 尚未上线，将随 CoCounsel Legal 下一版本在 Tabular Analysis 中提供。Gemini Enterprise for Legal 目前是预览版，需要通过谷歌云申请试用。
AI 速览
