汤森路透推出低成本专属大模型，为SaaS厂商提供新范式

信息服务供应商汤森路透于周一推出了其自主研发的专属模型，称该模型的训练成本不到其他前沿人工智能模型的一半。此次发布展示了像汤森路透这样的软件即服务（SaaS）供应商在瞄准人工智能市场时所能实现的可能性。

汤森（Thomson）模型由汤森路透内部自主研发，以该公司专有的内容——尤其聚焦于法律信息——技术及 领域专业知识为基础构建。该模型始于一个名为Snowdon的基础模型，由伦敦帝国理工学院FAIR实验室开发。

总部位于多伦多的汤森路透将其模型“汤森”（Thomson）定位为可与市场上最强的前沿模型相媲美，包括 Claude Opus 4.8、GPT 5.5以及 Gemini 3.1 Pro。新模型的推出紧随2月Anthropic发布 Claude Cowork插件 之后，此举震动了法律信息服务领域的SaaS供应商。

除法律领域外，汤森路透还计划将该新模型面向会计及其他合规相关领域的专业人士。

汤森路透表示，该模型的起源还可追溯至其2024年对英国AI初创公司Safe Sign Technologies的收购。Safe Sign是一家专注于开发法律领域大语言模型（LLM）的初创企业，其员工团队成为汤森路透的基础研究团队。

该模型或可激励其他厂商

芝加哥大学伊利诺伊分校数据科学与人工智能战略副校长迈克尔·G·贝内特（Michael G Bennett）表示：“这可能成为其他同样坐拥海量知识产权与资本的机构的灵感范本。”

他补充道，对于供应商而言，尤其是那些拥有尚未被前沿模型厂商吸纳的数据的组织，自行开发用于商业用途的专属模型或许是合理之举。

贝内特继续表示：“这将为众多正思考如何同步拥抱该技术、同时充分利用自身内部智力专长与资源来构建不仅强大实用、而且区别于前沿模型之专属模型的行业敲响警钟。”

一项低成本尝试

贝内特指出，汤森路透构建该模型所采用的路径同样引人关注。通过以开源权重模型作为汤森模型的基础，汤森路透仅投入4000万美元即完成训练，远低于训练先进大语言模型的典型成本。 汤森路透 该典型成本可超过1亿美元。 典型成本可超过1亿美元。

贝内特表示：“其支出规模可能比从零开始构建一个模型所需成本低一到两个数量级。”

目前尚不清楚汤森模型在市场上的实际表现，但贝内特认为该大语言模型在技术层面理应表现出色。他进一步指出，对于知识型行业的企业而言，无需承担模型开发的常规开支即可训练出具备特定领域专长的模型，且该模型成本低廉，这种能力颇具吸引力。

尽管汤森路透在构建该大语言模型过程中克服了组织与技术层面的障碍，但贝内特表示，该公司仍面临一些挑战，其中包括说服客户相信该模型可与其他前沿模型相媲美。

订阅汤森服务的企业还需自行探索并比较：具备领域专业知识的大语言模型（如汤森）是否能与前沿人工智能实验室推出的大语言模型相提并论。