汤森路透公布大语言模型Thomson，基于阿里千问成本几何？

汤森路透作为全球领先的商业信息和金融数据提供商，每天需要处理海量法律、金融和税务文档。外部通用模型虽然强大，但无法满足他们对数据安全和隐私保护的严苛要求。每一笔交易、每一份合同都涉及客户核心利益，数据外泄的风险任何人都承受不起。

更重要的是，外部模型无法按照他们的业务逻辑进行定制调整。法律检索、金融分析、合规审查，这些专业场景需要的是懂行而不是泛泛而知的AI。自研模型才能让他们掌握技术主动权，不被供应商锁定。

汤森路透选择了阿里巴巴的千问大模型作为基础，具体版本是Qwen3.5-397B。这个选择并非偶然，千问在开源社区早已积累了良好口碑，参数规模庞大且性能强劲。与中国头部云厂商合作，既能获得稳定的技术支持，又能避免被单一美国供应商绑定的风险。

他们并没有直接使用现成的千问模型，而是与英国帝国理工学院合作重新训练，确保模型符合西方社会的安全标准、伦理要求和政治中立性。这一步骤相当于给模型注入了合规基因，让它在欧洲和北美市场能够顺利落地应用。

外界曾流传45万美元的训练费用，但这只是最后一轮微调的成本。汤森路透透露，整个项目的总投入约为4000万美元。这笔钱涵盖了数据准备、模型训练、安全对齐、强化学习等多个环节。相比之下，购买主流商业模型的年度订阅费用，一个大型企业动辄数百万美元起步。

自研模型虽然在前期投入巨大，但从三年到五年的周期来看，边际成本会持续下降。每次推理调用的费用也远低于商用API的计费标准。这意味着规模越大，性价比越明显，这是很多企业在选型时容易忽略的关键账本。

在权威评测中，这款新模型得分达到0.823，排在全球顶尖梯队。虽然略逊于GPT-5.5和Claude 3.1 Pro，但考虑到它使用了推理阶段扩展策略，这个成绩已经相当出色。在法律代理任务Legal Agent上，它的表现仅微低于Opus 4.8，几乎处于同一水平线。

不过测试数据也有需要注意的地方。深度搜索项目中，该模型得分为0.53，而GPT-5.4得分为0.65，差距依然存在。综合来看，汤森路透的模型在专业领域已经具备竞争力，但在通用知识和复杂推理方面仍需持续迭代优化。

汤森路透明确表示，不采用OpenAI和谷歌等美国公司的闭源模型，主要原因是长期成本太高且调整自由度受限。闭源模型的价格逐年上涨，企业一旦依赖就失去了议价能力。更关键的是，模型的改进方向完全由服务商决定，客户只能被动接受，无法根据自身业务需求提出定制要求。

自研模型可以让技术团队深度参与模型优化，随时调整参数和行为模式。文档审查、合同比对、法规查询这些场景需要高度定制化的处理方式，闭源模型很难做到这点。掌握自己的模型，就是掌握自己的核心竞争力。

在法律文档审查场景，这款自研模型展现出独特价值。它经过专门训练，能够精准理解法律术语、判例引用和条款结构。相比通用模型，它对合同风险识别、条款合规检查等任务的准确率更高，误判率显著降低。这直接意味着更高的工作效率和更低的人为失误风险。

对于律所和企业法务部门来说，时间就是金钱。一份复杂合同的审查可能需要数周时间，而借助这款模型，核心内容可以在几小时内完成初步筛查。剩余时间留给资深律师做最终复核，整体效率提升数倍。这种效率革命正在重塑法律服务行业的作业模式。

汤森路透这款基于阿里千问的自研模型即将投入实际商用，你觉得未来更多行业巨头会不会效仿这种自研路线，而不是继续依赖美国科技巨头的闭源模型？欢迎在评论区分享你的看法！