远见网一、彻底切换了技术路线
1、彻底切换了技术路线
作者丨晨阳编辑丨小龙估值110亿美元的法律AI独角兽Harvey宣布推出首个自有模型Harvey Tenet。
这家由OpenAI创业基金领投种子轮并长期依靠其闭源模型提供服务的“OpenAI亲儿子”，彻底切换了技术路线。
第一次自己训模型，底座没用GPT，用的是中国月之暗面的开源模型Kimi K3。
Harvey，这家2022年才成立的公司，如今年化收入约3.5亿美元，其中约3亿美元为年度经常性收入。
累计融资超过10亿美元，服务超过1300家机构、覆盖20多万名律师。
全球50家AmLaw 100律所依赖其AI能力。
最新一轮155亿美元估值的融资已在洽谈中。
一家四年历史的公司，正以超40%的估值增速逐月攀升，他为何突然转变了技术路线？
01一封邮件：从律所工位到AI王座2022年，27岁的Winston Weinberg还在O’Melveny & Myers律师事务所做初级诉讼律师，他的室友Gabriel Pereyra——前Meta机器学习工程师、曾在DeepMind、Google Brain和Meta AI做过研究科学家——给他演示了GPT-3的能力。
Winston Weinberg（左） Gabe Pereyra（右） Weinberg从Reddit法律版块挑了约100个真实的房东租户纠纷问题，编写思维链提示词后交给GPT-3生成答案，然后把答案交给三位专业律师盲审。
2、86%的答案被评定为“可不做修改直接
结果，86%的答案被评定为“可不做修改直接使用”。
2022年7月4日，Weinberg把这组实验结果写成邮件，发给了OpenAI CEO Sam Altman和总法律顾问Jason Kwon。
当天上午，OpenAI高层的电话就打过来了。OpenAI创业基金最终以500万美元领投了Harvey的种子轮。
此后，OpenAI几乎没有缺席过Harvey的每一轮融资，Harvey也很早就获得了GPT-4的优先使用权。
这奠定了Harvey最初的商业路径：自己做法律应用和工作流，最底层的模型能力则交给OpenAI等模型公司。
此后，资本蜂拥而至。
2025年，公司在短短六个月内连续完成三轮融资，估值从30亿美元一路涨到80亿美元；
2026年3月再获2亿美元融资，估值达到110亿美元。
截至目前，Harvey累计融资超过11.9亿美元，投资方包括红杉资本、Andreessen Horowitz、Coatue、谷歌风投和GIC等。
但如今看来，Harvey最初最大的优势，也正在变成它必须解决的问题——它太依赖模型供应商了。
二、ChatGPT回答问题
1、ChatGPT回答问题
02不做ChatGPT的跟班，要做律师的“操作系统” 很多人第一次了解Harvey时都会问：它和ChatGPT有什么区别？
答案很简单：ChatGPT回答问题，Harvey完成工作。
一次跨境并购，律师需要同时审阅数百份合同、识别关键风险条款、查阅不同司法辖区法规、完成尽职调查、生成法律意见书。
这些工作不是一次次聊天能解决的。Harvey把整个法律工作流程连接起来，让AI真正参与项目执行。
官方越来越少提“AI Assistant”，转而强调另一个词：Legal Infrastructure。
它不是一个聊天机器人，而是律师每天工作的基础设施。
产品覆盖了法律工作的几乎全部核心场景：合同分析、法律检索、尽职调查、并购文件起草、备忘录撰写。
商业模式走的是纯企业级路线——不卖API，没有自助消费产品。
每份收入都来自与律所和企业法务部门谈判的按席位企业合同。
中型律所每席位每月约1000至2000美元，大型AmLaw 100企业交易可降至每用户100至200美元。
2、客户则集中在全球头部律所与大型企业
客户则集中在全球头部律所和大型企业，包括Latham & Watkins、A&O Shearman、Willkie Farr & Gallagher，以及汇丰、普华永道、KKR等。
增长数据同样惊人。2025年8月ARR突破1亿美元；
年底达到1.9亿美元；2026年5月冲至约3亿美元——九个月内翻了3倍。
客户从2025年8月的约500家扩张到2026年3月的超过1300家。
净收入留存率167%，总收入留存率98%——这意味着客户不但不流失，还在疯狂增购。
每月处理12万亿到13万亿token，超过25000个定制AI Agent在客户组织中实时运行。
这不是浅尝辄止的试点，而是深度嵌入——用Weinberg的话说，每月花在token上的钱是以“十亿”美元为单位计算的。
因为规模足够大，模型开始成为Harvey最大的成本和最大的战略风险。
03“今天卖你API的人，明天就坐在你客户的会议室里” Harvey过去是在做AI应用层，每当客户抛来一个法律任务，系统会自动判断：这事儿适合OpenAI的GPT-4干，还是Anthropic的Claude更顺手，抑或是Google的Gemini在某些长上下文场景下更有优势。
然后，把任务分发出去，模型给出结果，Harvey付钱。
三、交给巨头去烧钱就好
这套“模型路由”模式在AI应用创业圈一度是主流共识——底层大模型这种重资产、高投入的苦活累活，交给巨头去烧钱就好，创业公司专心打磨产品体验和客户关系。
但这个共识正在崩塌。Harvey如今每月处理的token量高达12万亿到13万亿。
随着使用规模越来越大，模型API不再只是技术基础设施，而开始变成一笔越来越庞大的运营成本。
更致命的是：模型供应商正在逐渐进入Harvey自己的业务腹地。
2025年秋天，OpenAI悄然挖走了合同生命周期管理独角兽Ironclad的创始人Jason Boehmig，任命其领导OpenAI内部新组建的“法律行业解决方案”部门。
Jason Boehmig Ironclad正是用AI帮助律所和企业法务部门自动审合同、管合同的。
几乎同一时间，Anthropic默默上线了面向律师的文档审查插件，功能描述和Harvey的核心模块惊人地相似。
用Pereyra事后在一次内部全员会上的原话说：“他们不再是我们的供应商，他们是我们的未来竞争对手。
区别只在于，我们还在他们的API账单上签字。” 于是，Harvey决定自己训练一个模型。
2026年8月20日，Harvey Tenet以研究预览版的形式亮相。
1、开放权重意味着Harvey拿到模型
它的底座是月之暗面的Kimi K3，一个2.8万亿参数的混合专家模型，拥有100万token的超长上下文，原生支持多模态，是目前全球最大的开放权重模型之一。
选择Kimi K3，Harvey有自己的精算逻辑。
开放权重意味着Harvey可以拿到模型的全部“设计图纸”，想怎么改就怎么改，不必向任何供应商报备。
而K3的MoE架构适合Harvey多任务、高并发的法律工作负载——并购尽调需要长上下文，合同审查需要精准的注意力分配，MoE的稀疏激活机制恰好能在不牺牲性能的前提下大幅降低推理成本。
传统的法律AI模型训练，思路通常是“喂数据”——把几千万份判决书、合同模板、法规条文塞进去，让模型死记硬背。
Harvey的团队换了个思路。
他们找来了200多位来自不同律所的执业律师，这些律师每人每周抽出十几个小时，担任Tenet的“教练”。
教练们不教模型背法条，而是虚构出大量真实的业务场景——比如“一家科技公司要收购另一家拥有专利纠纷的竞争对手，时间只有三周，尽调团队只有四个人”——然后把Tenet丢进这些场景里，让它像真正的初级律师一样，自己去查资料、筛风险点、起草尽调报告、拟定交易条款。
Tenet每完成一轮“作业”，200多位教练就拿着红笔，一条一条地批改。关键风险有没有遗漏？
援引的判例是不是最新的？条款措辞有没有歧义？逻辑链条是否站得住脚？
四、教练们列出一张几十个维度的“评分卡”
教练们列出一张几十个维度的“评分卡”，每个维度只有“过”和“不过”两个结果，全部打勾才算通关。
这种训练方式最大的妙处在于——它不需要几万张H100烧上大半年。
Harvey与Fireworks AI合作，仅动用了约150块英伟达B300 GPU，跑了两个月。
与传统预训练动辄数亿美元的烧钱速度相比，Tenet的训练成本连零头都不到。
在LAB Contracts这一法律AI领域的权威评测基准上，Tenet拿下了最先进性能。
全通过率比Kimi K3基础模型提升了22%，在更广泛的LAB基准上更是飙升82%。
模型能够独立完成的任务数量接近基础模型的两倍。
1、由于Tenet学会了用更精简的推理路
更重要的是，由于Tenet学会了用更精简的推理路径得到正确答案，它每次回答消耗的token数远低于调用闭源模型。
Kimi K3本身的开放权重定价就比闭源API便宜一个数量级，再加上推理路径的优化，双重红利叠加下来，Harvey的内部测算显示，同等任务量下Tenet的推理成本仅为调用GPT-4的十分之一左右。
Harvey并不打算完全抛弃OpenAI和Anthropic的模型。
它计划优先将Tenet能处理的任务交由Tenet完成，仅在必要时再调用前沿模型能力。
但方向已经很明确了——把最核心、最频繁、成本最高的那部分推理，牢牢握在自己手里。
这不仅是成本问题，更是战略自主权问题。
04硅谷突然重新相信开源了如果把Harvey的选择放到整个硅谷来看，它就不再是一个孤立的商业决策。
过去两年，硅谷对“开源模型”的态度其实相当微妙。
Meta一直在押注Llama，Google有Gemma，英伟达则持续推进Nemotron。
但与此同时，真正站在模型能力金字塔最顶端的OpenAI、Anthropic等公司，依然把最强模型牢牢锁在API和订阅服务背后。
原因也很现实：如果模型本身就是公司的核心产品，把最强模型开放出去，就等于主动把最赚钱的护城河交给别人。
但到了2026年，这个逻辑正在松动。
一个明显的信号是，OpenAI自己也开始推出开放权重模
