Harvey发布基于Kimi K3后训练的法律模型Tenet

美国法律人工智能公司Harvey的工程师把Kimi K3放进了一个新的法律模型Tenet里。Tenet面向的不是“法律知识问答”，而是律师每天要处理的长流程：从一堆客户文件中找线索，连续检索和调用工具，发现风险并补齐引用，最后交付合同修改稿或法律备忘录。\n\nHarvey成立四年，估值达到110亿美元，目前服务超过1300家机构和10万名律师。Tenet是它首个基于开放权重模型进行后训练的模型，专门应对需要长时间执行、连续调用工具的法律任务。公司在法律智能体基准LAB上的初步结果显示，Tenet成功完成的测试任务接近底座模型的两倍。\n\n这条路的关键，不是给Kimi换一个名字。通用模型也许知道法律知识，却未必知道一项真实工作应该从哪一步开始、什么时候需要再查一份材料，以及一份交付物究竟差在哪里。Harvey需要用自己的数据、算力和法律业务经验，把开放模型继续训练成更适合律师流程的工具。\n\n类似的“拿底座再加工”正在编程工具中出现。Cursor的Composer 2被确认基于Kimi K2.5训练，后续Composer 2.5仍沿用这一底座；英国Cosine用Kimi K2.6训练维护旧代码的Lumen Outpost，Devin的SWE-1.7也公开使用Kimi K2.7。短短半年，Kimi的不同版本依次进入这些海外产品。\n\n具体来说，这让中小型人工智能公司多了一条可行的商业路径：它们不用从零训练基础模型，也不用在产品越做越大时持续按调用量依赖OpenAI或Anthropic等闭源服务。客户得到的是法律、编程等更贴近工作流程的产品，而不是一个只会聊天的通用模型；模型提供方则可能成为其他产品的原料和上游底座。\n\n但目前能确认的仍是企业发布的结果。Tenet的“接近两倍”来自Harvey法律智能体基准LAB的初步测试；中国模型进入海外产品，也不等于这些产品可以省掉行业数据、算力和实际验证。开放权重降低了起点，真正的产品能力仍要在具体工作里训练出来。