汤森路透（Thomson Reuters）24日正式发布首款自有大模型“Thomson”，这是该公司继持续使用OpenAI、Anthropic等外部模型后的重大转向。模型基于开源基础（Alibaba Qwen或Imperial College Snowdon），公司仅投入4000万美元用于人才与算力训练，远低于前沿实验室数十亿美元的投入规模。Thomson首先部署于CoCounsel Legal的Tabular Analysis功能，专注高量结构化文档审查，后续将扩展至法律、税务等领域。[[1]](https://www.prnewswire.com/news-releases/thomson-reuters-leverages-its-world-class-data-assets-to-launch-its-own-frontier-model-302857499.html)
这一动作发生在专业服务机构普遍面临AI推理成本激增的背景下。汤森路透CEO Steve Hasker表示，模型依托Westlaw、Practical Law等数十年专有内容与数百领域专家参与训练，早期评估显示其在法律硬任务上可与Claude Opus等前沿模型相当，同时实现完全可控与低成本运行。公司强调将继续维持多模型策略，Thomson并非取代外部合作，而是补充专属场景。[[2]](https://www.businessinsider.com/thomson-reuters-builds-ai-model-rely-less-on-anthropic-2026-8)
对比Anthropic、OpenAI等实验室依赖通用前沿模型的路径，汤森路透的做法凸显企业级AI正从“租用”转向“自建”+“ orchestration”。类似趋势已在金融、咨询等领域显现：自有模型能更好保护数据主权、降低长期成本，并利用垂直数据优势。汤森路透还计划将精简版模型以非商业许可形式开源至Hugging Face，进一步扩大影响力。
这一发布标志着专业信息服务商在AI落地中的主动权争夺。未来6-12个月，更多传统巨头或将跟进自建或混合路线，推理成本与数据控制将成为核心竞争力分水岭。[[3]](https://thenextweb.com/news/thomson-reuters-thomson-model-qwen-claude-cocounsel)
信源：https://www.prnewswire.com/news-releases/thomson-reuters-leverages-its-world-class-data-assets-to-launch-its-own-frontier-model-302857499.html
https://www.businessinsider.com/thomson-reuters-builds-ai-model-rely-less-on-anthropic-2026-8