Thomson Reuters đầu tư 40 triệu USD phát triển mô hình ngôn ngữ pháp lý riêng "Thomson"

Với "Thomson", công ty thông tin chuyên nghiệp này đang ra mắt mô hình ngôn ngữ nội bộ đầu tiên, được xây dựng dựa trên Qwen của Alibaba. Mô hình này đạt điểm số cao nhất khi có thể khai thác nội dung và công cụ riêng của công ty.

Theo Thomson Reuters, họ đã chi khoảng 40 triệu USD cho nhân sự và năng lực tính toán trong hơn hai năm. Con số 450.000 USD được nhắc đến rộng rãi hơn chỉ bao gồm đợt huấn luyện cuối cùng của phiên bản hiện tại. Ngay cả tổng số tiền đó cũng chưa tính đến nguồn vốn thực sự: đó là hàng thập kỷ nội dung từ Westlaw, Practical Law, Checkpoint và Reuters, cùng với hàng nghìn giờ làm việc của hàng trăm chuyên gia trong ngành.

Công ty cho biết nền tảng của mô hình là Qwen mã nguồn mở của Alibaba, gần đây nhất là Qwen3.5-397B. Hợp tác với Imperial College, Thomson Reuters trước tiên đã huấn luyện lại mô hình Trung Quốc này để đảm bảo tính an toàn, đạo đức và trung lập về chính trị. Phiên bản trung gian này có tên là "Snowdon", đặt theo tên một ngọn núi ở xứ Wales.

Sau đó là quá trình tiền huấn luyện trên nội dung riêng của công ty, hậu huấn luyện với các chuyên gia trong ngành và học tăng cường tác tử (agentic reinforcement learning) bên trong môi trường công cụ của chính công ty. Cho đến nay, chưa đến 10% nội dung hiện có đã được đưa vào huấn luyện.

CTO Joel Hron cho biết công ty đã "thay đổi điểm xuất phát mã nguồn mở gần nửa tá lần rồi". Giám đốc nghiên cứu Jonathan Schwartz nói thêm rằng phát hiện lớn hơn "không nằm ở mô hình riêng lẻ mà ở nhà máy sản xuất mô hình mà chúng tôi đã xây dựng".

Các tiêu chuẩn đánh giá dựa trên sự so sánh khập khiễng

Bài đăng trên blog khẳng định Thomson xếp hạng trong số những mô hình tốt nhất thế giới. Tuy nhiên, các con số của chính công ty lại vẽ nên một bức tranh tỉnh táo hơn: Trên Stanford LegalBench, Thomson (0,823) xếp sau Gemini 3.1 Pro và GPT-5.5. Trên Harvey Legal Agent Benchmark, nó đứng ngay sau Opus 4.8. Nó dẫn đầu về khả năng tuân thủ chỉ dẫn và bài kiểm tra khó PrBench Legal. Về khả năng suy luận, và đặc biệt là lập trình, nó sụt giảm đáng kể. Sự so sánh này cũng bị lệch do phương pháp, vì Thomson cạnh tranh bằng cách mở rộng quy mô thời gian kiểm thử (test-time scaling), trong khi GPT-5.5 chạy mà không có chế độ suy luận.

Trong tiêu chuẩn đánh giá Deep Research nội bộ của công ty chỉ với quyền truy cập web, Thomson đạt 0,53 điểm về độ chính xác thực tế, trong khi GPT 5.4 đạt 0,65. Chỉ khi có quyền truy cập vào nội dung của công ty, Thomson mới vượt qua GPT 5.4 với tỷ số 0,83 so với 0,82. Andrew Bean, trưởng bộ phận đánh giá, thừa nhận rằng với quyền truy cập web, Thomson "nằm trong phạm vi của các mô hình khác, nhưng chắc chắn chưa phải là người dẫn đầu".

Theo Bean, "có một sự cải thiện lớn đến từ việc có thể huấn luyện và thực hành với các công cụ của riêng bạn", điều mà các nhà cung cấp bên ngoài không thể làm được. Điều đáng chú ý là GPT 5.4 cũng cải thiện mạnh mẽ tương tự với nội dung đó. Vì vậy, quyền truy cập dữ liệu đóng vai trò quan trọng gần bằng việc huấn luyện chuyên biệt. Công ty chưa thử nghiệm các mô hình mới hơn. Tuy nhiên, lợi thế mong manh của mô hình nội bộ vẫn có thể tăng lên nếu công ty chuyển sang một biến thể mạnh hơn như Qwen3.8 và vượt xa mốc 10% nội dung.

Mô hình nội bộ thay vì tinh chỉnh mô hình tiên phong

Vậy tại sao lại xây dựng mô hình riêng thay vì tinh chỉnh một mô hình tiên phong từ OpenAI hoặc Anthropic trên dữ liệu pháp lý? Thomson Reuters thấy có ba lý do để không làm vậy. Thứ nhất, về kinh tế: Các kỹ thuật tinh chỉnh tiêu chuẩn "có xu hướng làm suy giảm khả năng tổng quát", Schwartz nói. Và bạn sẽ bị phụ thuộc vào nhà cung cấp về chi phí suy luận và lộ trình phát triển. Một mô hình nội bộ nhỏ hơn sẽ mang lại hiệu quả chính xác đối với các công việc khối lượng lớn như rà soát tài liệu.

Thứ hai, về dữ liệu: Việc huấn luyện bên trong các công cụ riêng như Westlaw chính là nơi tạo ra bước nhảy vọt về hiệu suất. Các tiêu chuẩn đánh giá đã chứng minh điều đó và công ty sẽ không trao quyền truy cập đó cho bất kỳ ai. Thứ ba, hiệu ứng cộng hưởng, mà Hron mô tả là "thuê nhà so với mua nhà". Mỗi đánh giá của chuyên gia trong quá trình cập nhật sản phẩm đều trở thành dữ liệu huấn luyện. Với một mô hình nội bộ, "bạn đang xây dựng tài sản cho thứ mà bạn sở hữu lâu dài, và điều đó tích lũy theo thời gian", Hron nói. Với các mô hình của bên thứ ba, giá trị đó sẽ mất đi tại nhà cung cấp.

Đối với Thomson Reuters, cách tiếp cận này hiệu quả vì họ có thể kết hợp ba yếu tố hiếm có: Nguồn dữ liệu độc quyền, hàng trăm chuyên gia trong ngành làm việc toàn thời gian và các quy trình làm việc nơi chất lượng có thể được đo lường một cách khách quan. Đối với các công ty có hồ sơ như vậy, trường hợp này cho thấy cộng đồng mã nguồn mở chỉ chậm hơn các phòng thí nghiệm tiên phong vài tháng và 40 triệu USD có thể là đủ cho một mô hình chuyên biệt có tính cạnh tranh. Những công ty không sở hữu dữ liệu độc quyền cũng như không có cách đánh giá kết quả trên quy mô lớn thường sẽ phải gánh chịu chi phí bảo trì liên tục khi tự xây dựng mô hình riêng.

Theo Hron, lợi thế cạnh tranh tiếp theo trong AI "sẽ đến từ việc biết cách điều phối nó và biết trí tuệ nào là đủ quan trọng để sở hữu".

Lần đầu tiên sử dụng trong rà soát tài liệu khối lượng lớn

Khi ra mắt, Thomson tiếp quản tính năng Tabular Analysis trong CoCounsel Legal, nơi một mô hình nhỏ hơn, rẻ hơn mang lại ý nghĩa kinh tế. Sản phẩm vẫn duy trì đa mô hình và quản trị viên có thể chuyển đổi. Thomson không nhằm mục đích đóng vai trò là trình điều phối mà để xử lý các tác vụ phụ như kiểm tra trích dẫn. Công ty cho biết dữ liệu khách hàng không được đưa vào huấn luyện.

Một phiên bản nhỏ sẽ sớm có mặt trên Hugging Face dưới dạng mô hình mở trọng số (open-weight) theo giấy phép phi thương mại, kèm theo báo cáo kỹ thuật và cổng thông tin dành cho nhà phát triển. Hron cho biết các cuộc đàm phán ban đầu, chưa mang tính ràng buộc, đang được tiến hành với các công ty luật về việc cấp phép trực tiếp.

Tin tức AI không cường điệu – Được tuyển chọn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo tiên phong "AI Radar" độc quyền sáu lần một năm, quyền truy cập toàn bộ kho lưu trữ và quyền truy cập vào phần bình luận của chúng tôi.

Đăng ký ngay