OpenAI 亲儿子首发自研模型，底座竟是中国开源 K3
硅谷估值 110 亿美元的法律 AI 独角兽 Harvey，近日正式发布其首个自有模型Harvey Tenet。令人瞩目的是，该模型的基座并非来自其投资方 OpenAI 的 GPT 系列，而是采用了中国开源模型Kimi K3。
Harvey 是目前全球估值最高的法律 AI 公司，服务覆盖 60 个国家的 1300 家机构及超 10 万名律师，客户包括 Latham & Watkins、普华永道、桥水基金等顶级机构。此次自研模型的选择，标志着中国开源大模型在高端垂直领域的认可度迈上新台阶。
摆脱 API 依赖：从“买算力”到“造模型”
Harvey 的崛起颇具传奇色彩。2022 年，创始人 Winston Weinberg 与 Gabe Pereyra 通过一封邮件获得 Sam Altman 青睐，由 OpenAI 创业基金领投种子轮，四年间估值飙升至 110 亿美元。然而，随着业务扩张，依赖第三方闭源模型的风险日益凸显。
此前，Harvey 采用多模型路由策略，调用 OpenAI、Anthropic 等厂商 API。但近年来，这些上游供应商纷纷切入法律垂直赛道：OpenAI 挖角合同管理公司创始人布局法律业务，Anthropic 推出律师文档审查插件。正如联合创始人 Pereyra 所言：“今天的供应商，就是明天的竞争对手。”
更为致命的是成本不可控。Harvey 每月处理高达 13 万亿 token，完全依赖采购外部 API，面临极大的涨价风险。为掌握主动权，Harvey 决定自研模型，旨在构建一个可修改、可部署且成本可控的专属底座，以此作为与上游厂商谈判的筹码。
150 张卡两个月：高效微调重塑法律专家
Tenet 基于Kimi K3打造。K3 拥有 2.8 万亿参数 MoE 架构、100 万 token 上下文窗口及原生多模态能力，是当前全球参数量最大的开放权重模型。
与传统预训练动辄耗费数亿美元不同，Harvey 的训练策略极具创新性：仅使用约150 块 NVIDIA B300 显卡，历时两个月即可完成。这相当于在已建成的“摩天大楼”上进行精装修，而非从零奠基。
核心方法采用异步强化学习。Harvey 聘请执业律师编写真实案例（如并购纠纷、合同审查），让模型执行任务后由专家逐条评审。只有通过所有硬性指标（如风险遗漏、判例引用、逻辑推导）的任务才算合格。这种“合伙人级别”的训练方式，使 Tenet 在 Harvey 自建的法律基准 LAB 上表现卓越：
- 相对 K3 底座，全通过率提升82%，任务完成数接近翻倍；
- 在 Contracts 子榜单达到 SOTA（State of the Art），总榜排名第二；
- 在 Mercor 的公司法任务测试中，得分比 K3 高出 15 分，位居第一。
不仅性能强劲，Tenet 的推理成本不到主流前沿模型的四分之一，真正实现了“用四分之一的钱，干出最强模型的活”。
为何首选 Kimi K3？开放权重与长窗口的胜利
法律服务对错误零容忍，Harvey 选择 Kimi K3 绝非偶然。此前，AI 编程工具 Cursor 被曝其自研模型 Composer 2 实则基于 Kimi K2.5；AI 搜索巨头 Perplexity 及 OpenAI 前 CTO 创办的 Thinking Machines 也相继接入 Kimi 系列模型进行微调。Kimi 已成为垂直行业公认的“基模之光”。
在 Artificial Analysis 独立评测的 Harvey LAB-AA 法律基准中，K3 以最严格的全通过率口径拿下26.7%的成绩，几乎是 Fable 5 的两倍，裸考成绩最优。
Harvey 选择 K3 的关键原因在于其开放权重与超长上下文：
- 可深度定制：K3 权重公开，允许 Harvey 利用 LoRA 技术深入 50 万个专家张量进行精细化调整，而闭源模型仅能调整参数或提示词。
- 适配法律场景：100 万 token 的上下文窗口能完整容纳动辄数千万 token 的并购案卷宗，这是短窗口模型无法企及的优势。
- 极致性价比：在性能更优的前提下，成本大幅降低，对于月处理 13 万亿 token 的企业而言，经济效益显著。
目前，Harvey 平台仍保留 Claude Opus 5 和 GPT-5.6 Sol 选项，但 Tenet 的存在使其拥有了关键的议价权。与此同时，美国企业对中国模型的需求激增，CNBC 报道称中国模型在美国企业 token 用量中占比一度达 46%，DoorDash、Airbnb 等均在使用中国模型控制成本。
垂直行业模型新范式：人人皆可拥有专属 AI
Harvey 的成功验证了一条可复制的路径：开放权重底座 + 行业专家数据 + 后训练 = 垂直领域前沿模型。
未来，基础模型将逐渐演变为工业原材料，真正的竞争壁垒在于行业环境理解、专家反馈机制、后训练方法及部署经济性。Harvey 计划将算力规模从 1000 卡扩至 10000 卡，进行全参数微调，目标是让每家律所都能拥有自己的专有模型。
作为全球客单价最高、容错率最低的行业，法律界率先拿到了自研模型的入场券，而其基石正是一个中国开源模型。这一趋势无疑将为医疗、金融、工程等更多垂直行业提供重要参考。