Harvey发布Tenet，开放权重的法律AI模型

Harvey推出了其首个经过后期训练的开放权重模型——Harvey Tenet。公司表示，该模型在处理长期法律任务时取得了显著的性能提升，同时保持了成本效益。这一宣布于2026年8月20日发布，标志着Harvey在为律所和法律团队量身打造人工智能方面迈出了重要一步。

Tenet基于Kimi K3基础模型开发，并与Fireworks研究团队合作完成。Harvey的后期训练过程结合了合成数据、公开的法律数据集以及人类专家输入，最终在长期法律任务的LAB基准测试中实现了近两倍的性能提升。在LAB Contracts测试中，Tenet相比基础K3模型将全通过率提高了2个百分点。值得注意的是，它在LAB Contracts中达到了业界最先进的表现，并在更广泛的LAB基准测试中名列第二。

除了性能表现，Harvey还强调了Tenet的成本效益。开放权重模型本质上具有更低的Token成本，而Harvey的后期训练方法进一步优化了推理阶段的Token使用效率。通过使用奖励塑形的方式偏向于简洁且高质量的输出，公司表示实现了质量和成本稳定性的双重改善。

该模型专为高要求的法律应用场景设计，包括法规分析、案例法研究、文件审查和庭审准备。尽管Tenet并未直接针对这些任务进行训练，但它在Mercor的APEX Agents和Crosby的Redline Bench等无关的法律基准中也表现出了强大的泛化能力。这表明其具备强大的迁移能力，这对于旨在处理多样化法律工作流程的AI系统来说是一个关键特性。

Harvey的更广泛研究目标是帮助律所构建自己的专属AI模型。这包括帮助律所安全保留并利用其专有知识的工具。公司还在扩展其内部法律AI性能评估标准——法律代理基准（Legal Agent Benchmark, LAB），以涵盖更多的司法管辖区和实践领域。这些努力与Harvey的战略一致，即扩大其计算基础设施，并将先进的研究模型转化为生产级应用。

虽然Tenet并非公开交易资产，但其对法律AI的潜在影响不可忽视。通过降低运营成本和提升任务性能，像Tenet这样的模型可能会重塑律所处理高量、复杂法律工作的方式。Harvey的下一步计划包括扩大Tenet的能力，并将其整合到更广泛的法律AI解决方案套件中，这在其最近与微软的合作中已有所体现。

对于探索AI应用的律所来说，Tenet代表着朝着更易获取和高效的法律智能工具迈出的重要一步。现在的问题在于，随着Harvey将这项技术扩大到满足现实法律实践需求，其能否保持目前的增长势头。