Thomson Reuters 推出法律模型 Thomson：從 Snowdon 權重續訓，先進入 CoCounsel 文件審閱

Thomson Reuters 正式推出自有大型語言模型 Thomson，首個生產部署是 CoCounsel Legal 的 Tabular Analysis，用於大量文件的結構化審閱。CoCounsel 並未改成單一模型架構：Thomson 會處理具領域優勢的工作，其他任務仍可路由至第三方前沿模型，管理員也能選擇替代模型。

這不是從零預訓練的基礎模型。官方披露目前版本以 Imperial College London FAIR Lab 的 Snowdon 開放權重模型為起點，先從 Westlaw、Practical Law、Checkpoint 與 Reuters News 選取、清理、去重及混合資料進行 continued pre-training，再以法律專家建立的複雜評分規則、偏好資料和工具使用軌跡完成後訓練。迄今採用的 Thomson Reuters 內容仍少於總量一成。

團隊把防止領域微調造成「災難性遺忘」列為訓練目標，尤其關注容易先退化的指令遵循能力。官方結果中，Thomson 的指令遵循綜合分數為 0.914；在由 53 道內部法律研究題構成的深度研究測試，接入 Westlaw／Practical Law 後，逐項檢查「主張是否獲其引用來源支持」的 factuality 得分為 0.83，對照兩套可自由搜尋公開網路的前沿系統為 0.65 與 0.68。

項目兩年投入約 4,000 萬美元，涵蓋人才與運算；報道稱最終一次訓練成本約 45 萬美元。這條路線對持有高品質專有語料的企業有實際意義：競爭壁壘可能從參數規模轉向資料權利、專家評分規則及可重複的領域評測。

不過，公開表格混合了業界基準、內部長上下文測試與模型裁判，模型大小、訓練 token 數及基礎 Snowdon 的完整規格也未披露。完整技術報告尚待發布，小型開放權重版本和外部 API 亦只是計畫；現階段不應把廠商評測解讀成已證明全面超越 Claude、GPT 或 Gemini。