汤森路透新推AI模型,基于阿里千问,适合文档审查等场景,成本更低,调整更自由。
汤森路透推出基于阿里千问构建的大语言模型Thomson,研发成本约4000万美元,Qwen3.5-397B版本,在Stanford LegalBench测试中得分0.823,落后于Gemini 3.1 Pro和GPT-5.5。
路透社母公司汤森路透花 4000 万美元研发 AI 模型,基于阿里千问
IT之家 8 月 24 日消息,路透社母公司汤森路透集团近日正式公布其首款大语言模型“Thomson”。该模型基于阿里千问构建,号称拥有顶级表现。 据介绍,该模型的研发成本大约是 4,000 万美元 (IT之家注:现汇率约合 2.69 亿元人民币) , 外界广泛传播的 45 万美元 (现汇率约合 302.8 万元人民币) 数字只是最后一次训练成本 。 该模型的基础模型源自阿里巴巴的千问, 目前使用的版本为 Qwen3.5-397B 。汤森路透首先与帝国理工学院合作重新训练基础模型,使其符合安全、伦理和政治中立性要求。随后再使用自有内容进行预训练、后训练,并在内部环境强化学习。 汤森路透称该模型已跻身全球最佳 AI 模型之列。在 Stanford LegalBench 测试中,该模型得分为 0.823,落后于 Gemini 3.1 Pro 和 GPT-5.5。而在 Harvey Legal Agent Benchmark 中,Thomson 仅略低于 Opus 4.8。 但需要注意的是,该模型测试使用了推理阶段扩展,而 GPT-5.5 则是在没有开启推理模式的情况下参与测试。在深度搜索测试时,该模型的得分为 0.53,GPT 5.4 为 0.65。 汤森路透强调,公司之所以不采用 OpenAI、Anthropic 等美国闭源模型的原因在于,外部模型的长期成本较高,并且无法进行高自由度调整。相比之下小规模的自研模型更适合文档审查等场景。