Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
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。
Les ingénieurs de la société américaine d’intelligence artificielle juridique Harvey ont intégré Kimi K3 à un nouveau modèle juridique baptisé Tenet. Tenet ne vise pas les « questions-réponses sur les connaissances juridiques », mais les processus longs que les avocats traitent au quotidien : trouver des indices dans un ensemble de documents clients, effectuer des recherches successives et appeler des outils, repérer les risques et compléter les références, puis remettre une version modifiée d’un contrat ou une note juridique.
Harvey a été fondée il y a quatre ans et affiche une valorisation de 11 milliards de dollars. Elle sert actuellement plus de 1 300 organisations et 100 000 avocats. Tenet est son premier modèle post-entraîné à partir d’un modèle à poids ouverts, spécialement conçu pour les tâches juridiques nécessitant une exécution prolongée et des appels d’outils successifs. Les premiers résultats de la société sur le benchmark d’agents juridiques LAB montrent que Tenet a réussi près de deux fois plus de tâches que le modèle de base.
L’enjeu n’est pas simplement de donner un autre nom à Kimi. Un modèle généraliste peut connaître le droit sans forcément savoir par quelle étape commencer dans un travail réel, à quel moment consulter un document supplémentaire ou en quoi un livrable présente des lacunes. Harvey doit utiliser ses propres données, ses capacités de calcul et son expérience des activités juridiques pour continuer à entraîner le modèle ouvert afin de l’adapter davantage au travail des avocats.
Une démarche similaire de « retraitement d’un modèle de base » apparaît dans les outils de programmation. Il a été confirmé que Composer 2 de Cursor avait été entraîné à partir de Kimi K2.5, et Composer 2.5 a continué de reposer sur cette même base. La société britannique Cosine a entraîné Lumen Outpost, destiné à la maintenance d’ancien code, avec Kimi K2.6, tandis que SWE-1.7 de Devin utilise lui aussi publiquement Kimi K2.7. En l’espace de six mois à peine, différentes versions de Kimi ont ainsi successivement intégré ces produits développés à l’étranger.
Concrètement, cela offre aux entreprises d’intelligence artificielle de taille moyenne une voie commerciale viable supplémentaire : elles n’ont pas besoin d’entraîner un modèle de base de zéro, ni de dépendre durablement, à mesure que leurs produits prennent de l’ampleur, de services propriétaires comme OpenAI ou Anthropic facturés à l’appel. Les clients obtiennent des produits davantage intégrés aux flux de travail, dans le droit ou la programmation, plutôt qu’un modèle généraliste qui ne sait que discuter ; les fournisseurs de modèles peuvent, eux, devenir les producteurs de matière première et les briques en amont d’autres produits.
Pour l’heure, les résultats confirmés restent toutefois ceux publiés par les entreprises. Le résultat « près de deux fois plus » de Tenet provient des premiers tests menés sur le benchmark d’agents juridiques LAB de Harvey ; l’intégration de modèles chinois à des produits développés à l’étranger ne signifie pas non plus que ces produits peuvent se passer de données sectorielles, de capacités de calcul et de validations en conditions réelles. Les poids ouverts réduisent le coût d’entrée, mais les véritables capacités du produit doivent encore être développées dans des tâches concrètes.