🇭🇰SCMP Technology•最新收集於 1m
Harvey 採用中國開放權重模型打造法律 AI
#legal-ai#open-weight-models#model-strategy#enterprise-aiharvey-tenetharveyopenaimoonshot-aikimi-k3sequoia-capital
💡Harvey 的模型選擇顯示，中國開放權重 AI 正進入高價值的西方企業應用。
⚡ 30-Second TL;DR
有什麼變化
Harvey Tenet 是 Harvey 首個內部開發的 AI 模型。
為什麼重要
Harvey 的決定可能鼓勵更多 AI 應用公司基於開放權重模型打造專業產品，而非完全依賴美國前沿模型 API。這也顯示模型來源、成本與客製化能力，將日益影響企業 AI 架構決策。
下一步行動
針對法律領域建立評測集，比較基於 Kimi K3 的工作流程與現有專有模型在準確度、隱私、延遲和推理成本上的表現。
誰應關注：Founders & Product Leaders
關鍵要點
- •Harvey Tenet 是 Harvey 首個內部開發的 AI 模型。
- •該模型基於 Moonshot AI 的開放權重模型 Kimi K3 進行後訓練。
- •Harvey 的投資者包括 OpenAI、Sequoia Capital 和 Andreessen Horowitz。
- •這項轉向反映西方企業對中國開放權重 AI 系統的採用正在增加。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 13 個來源。
🔑 增強重點摘要
- •Harvey Tenet 是基於 Moonshot AI 於 2026 年 7 月發布的 2.8 兆參數模型 Kimi K3 進行後訓練而成。
- •此舉標誌著 Harvey 從依賴封閉原始碼 API 轉向自主控制中訓練、後訓練、防護機制及數據保留的策略。
- •Harvey 同步推出了 Harvey II 平台更新，引入了「記憶（Memory）」功能，可跨 Word 與 Outlook 等應用程式學習律師個人偏好。
- •Harvey 強調儘管採用了中國開發的模型權重，但其新推出的記憶功能數據不會用於訓練全球語言模型，以確保企業級安全性。
- •Harvey Tenet 的開發旨在法律基準測試中達到前沿級別性能，同時利用開放權重模型的成本效益來降低對單一供應商的依賴。
📊 競品分析▸ Show
| 競爭對手 | 模型基礎 | 核心優勢 | 法律專用性 |
|---|---|---|---|
| Harvey Tenet | Kimi K3 (開放權重) | 自主控制權、記憶功能 | 極高 |
| Lexis+ AI | 專有模型 (RAG) | 獨家法律數據庫整合 | 高 |
| Casetext (CoCounsel) | GPT-4o (OpenAI) | 廣泛的法律研究覆蓋 | 高 |
🛠️ 技術深入
- 基礎模型：Moonshot AI Kimi K3 (2.8 兆參數開放權重模型)。
- 訓練架構：針對法律推理進行端到端（end-to-end）後訓練。
- 記憶機制：Harvey II 平台整合了用戶偏好持久化存儲，支援跨應用程式（Word, Outlook）的上下文保留。
- 數據隔離：實施嚴格的數據治理，確保用戶記憶數據與基礎語言模型訓練集分離。
🔮 前景展望AI analysis grounded in cited sources
法律科技公司將加速從封閉 API 轉向混合模型架構。
Harvey 的成功案例證明了利用高效能開放權重模型結合專有後訓練，能有效降低營運成本並提升法律推理的客製化程度。
中國開放權重模型將在西方企業軟體市場佔據更大份額。
隨著 Kimi K3 等模型在基準測試中展現出與美國前沿模型相當的性能，企業對供應商多樣化及成本控制的需求將推動其採用。
⏳ 時間線
2026-07
Moonshot AI 發布 2.8 兆參數的開放權重模型 Kimi K3。
2026-08
Harvey 推出 Harvey II 平台及基於 Kimi K3 的內部模型 Harvey Tenet。
📎 來源 (13)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： SCMP Technology ↗
每週 AI 簡報
每週一封，可隨時退訂。