2026 年 8 月 24 日，Thomson Reuters 发布了自研大模型 Thomson 1.0。这家拥有 175 年历史的专业信息出版商，没有从零训练通用底座去正面竞争 OpenAI。他们的核心资产集中在 Westlaw 判例法数据库、Practical Law 与 Checkpoint 税务库这类专有语料。Thomson 1.0 作为多模型栈里的一层，接入既有的法律产品 CoCounsel Legal，在自报的领域评测中超过了若干主流闭源模型。
这笔投入背后的账本展现了清晰的结构。Thomson Reuters 自述两年累计投入 4000 万美元，包含引进人才与并购研究团队的全部支出。底座选用了阿里巴巴的开放权重模型 Qwen3.6-35B-A3B。据 Thomson Reuters 自述，团队注入专有语料做持续预训练，实际用量还不足内容资产总量的 10%；随后由数百名法律与税务专家参与微调、偏好对齐与评测。整个训练消耗 35,207 个 B200 GPU 小时，折合纯算力成本大概在 10 万到 20 万美元之间。
自报的评测数据显示，Thomson 1.0 法律域均分为 75.2，高出底座 Qwen3.6-35B-A3B 的 72.7，也高出 Gemma 4-31B 的 70.5 与 Anthropic Haiku 4.5 的 67.7。Thomson Reuters 把小版本向学术与非商业场景开放了权重，完整版由内部完全掌控。技术报告标题定为 Continual Learning of Frontier Models for SovereignAI，强调团队搭建的是一套持续学习管线，训练模型只是管线的第一步。
这两件事放在一起，把一个行业问题直接推到了台前。一家拥有海量行业专有数据的传统公司，靠开放基座加上私有工程，能不能真正跑通自己的模型路线？这是难以复制的孤例，还是代表着垂直领域的一种通用解法？要想看清这条路径的逻辑，需要先回到三年前那场方向相反的尝试。
2023 年 3 月，金融信息巨头 Bloomberg 发布了 BloombergGPT 论文。当时团队动用 50B 参数规模，喂入来自 Bloomberg Terminal 的 363B token 私有金融数据，从零开始训练底座。在那个阶段，垂直巨头的普遍做法是自建底座：私有数据无法直接输入外部商业接口，开源底座能力尚弱，从零预训练成了唯一的出路。
这个耗资巨大的项目最终迎来了意料之外的结局。Bloomberg 终端产品全球负责人 Wayne Barlow 在接受 Market & Alt Data Insight 采访时，给出了坦率的回应：
“BloombergGPT was a research model and is actually not used at all in any of our products. Our products are built on a combination of models. We have some commercial models, some open-weight LLMs, some smaller, custom language models that we build ourselves.”
Bloomberg 现在的 AI 产品 ASKB 在 2026 年初开启测试，覆盖 375,000 名终端用户里的约三分之一。其底层演变为混合路由方案，由通用商业接口、开源权重模型与自研轻量小模型共同协作支撑。承载全公司期待的 50B 大模型停留在研究阶段，没有进入实际生产线。
两家拥有深厚数据资产的行业巨头，在前后相隔三年的时间点上，得出了相反的业务结果。Bloomberg 投入高昂预算，消耗 363B token 私有语料从零起步，最终未能落地到任何实际产品；据 Thomson Reuters 自述，其投入 4000 万美元，仅调用不到 10% 的专有内容在开放底座上做后期注入，便在自报的领域评测中超过了顶级通用模型。
我原先以为这种分野源于数据清洗难度或团队执行力，后来把 RAG 和模型权重的分工想清楚，才意识到问题的根源在架构选择。2023 年行业普遍把通用模型加 RAG 和专有模型训练看作二选一的竞争路线。Bloomberg 面对这个选择时把赌注全押在了权重层，试图把海量金融事实强行训进 50B 模型里。在 2023 年，这种做法有其合理性，因为当时通用模型的金融理解能力不足，RAG 技术也还在早期摸索阶段。
但把护城河完全押在权重层，很快就会遭遇开放模型的冲击。开放底座的能力一旦追平，单纯把领域数据训进权重的先发优势就会迅速蒸发，缺乏私有数据飞轮、评测闭环与行业分发的模型自然无法在生产中立足。Thomson Reuters 在 2026 年走通的做法给出了新的答案：开放底座负责通用推理，RAG 承载动态事实，私有数据飞轮专门做评测与行为对齐。同样的问题在三年后有了完全不同的解法，权重层退成了可以随时替换的基础零件。
从 2023 年到 2026 年，整个技术栈有三个核心维度发生了明显变化。底座能力、后训练工具链与资本门槛的位移，共同重塑了行业的基本盘。
第一个变化在于开放底座的能力跨越了可用门槛。2023 年市场上缺乏高水准开放权重底座，垂直公司打造定制智能只能从头预训练。到了 2026 年，Qwen 3.8 Flash Next 以及 GLM 5.3 Flash 这类开放模型在领域理解上紧咬前沿水平。根据 Artificial Analysis 的测评，GLM-5.2 获得 51 分，拥有 2.8T 参数的 Kimi K3 达到 57 分，与顶级闭源底座仅差 3 分。
与此同时，算力租赁与接口调用的价格出现大幅下跌。2023 年 3 月 GPT-4 发布初期，百万输入 token 调用成本约 30 美元；到了 2025 年底，同等能力模型的调用价格降至 0.30 美元附近，整体降幅接近 100 倍。租用通用能力的边际成本大幅下降，耗费巨资从零预训练通用基座失去了财务合理性。
第二个变化是后训练工具链的成熟与标准化。全参数异步强化学习、基于企业价值观清单的偏好对齐算法，以及将领域专家评测体系转化为连续优化信号的方法，在 2023 年尚处于实验室拼凑阶段。到了 2026 年，这套方法论演变为高度完备的基础设施，允许垂直团队在开放底座上快速叠加高密度的专业判断。
第三个变化来自前沿通用基座在经济学层面的彻底变化。通用大模型的预训练演变成了普通产品公司无法涉足的重工业军备竞赛。根据华尔街日报在 2026 年 4 月获取的机密财务数据，并在 SaaS 行业观察报道中披露的信息，仅 OpenAI 与 Anthropic 两家公司，2026 年在模型训练与运营上的合计支出就逼近 650 亿美元。
OpenAI 在 2026 年 4 月完成了 1220 亿美元的融资，投后估值 8520 亿美元，月营收 20 亿美元。即便如此，其 2028 年单年算力预算预计高达 1210 亿美元、亏损 850 亿美元，盈亏平衡点推迟到了 2030 年之后。2024 年训练 GPT-4 的花费约 7800 万至 1 亿美元，到了 2026 年，前沿基座单次预训练预算膨胀至 100 亿到 500 亿美元。目前没有任何一家前沿实验室能够维持健康的独立利润表。
前沿军备竞赛的竞争主体也在转变为万亿级航母。2026 年 2 月，SpaceX 以全股票交易收购了研发 Grok 的 xAI，合并后实体估值 1.25 万亿美元；SpaceX 随后于 6 月在纳斯达克完成 IPO，发行价每股 135 美元募资约 750 亿美元，首日市值突破 2 万亿美元。NVIDIA 同时位列 OpenAI、Anthropic 与 xAI 融资轮次的最大股东。OpenAI 最新一轮融资条款甚至规定，其中 350 亿美元的到账以公司达成通用人工智能或完成上市为前置条件。
相比之下，垂直领域的定向后训练总预算只需数千万美元，纯算力消耗压缩至数十万美元。两者的资本体量与风险属性已经不在同一个数量级上。
如果说 Thomson Reuters 提供了一个静态的企业蓝本，那么法律 AI 独角兽 Harvey 则展现了极具代表性的动态演进轨迹。这家专注于律师专业工作流的公司，在过去三年里经历了两次关键技术重构。
第一阶段在 2023 年至 2024 年。Harvey 早期深度绑定 OpenAI，基于美国判例法对闭源模型做微调。第三方案例研究显示，参与测试的执业律师在 97% 的测试场景下更倾向于选择该定制模型。随着后续通用前沿基座的升级，通用模型能力迅速追平了微调成果，Harvey 果断废弃自研微调模型，转向以通用接口为核心的多模型路由方案。
第二阶段的突破在 2026 年 6 月。Harvey 转向与 Applied Compute 合作，在 AC2 算力平台上针对开放权重的 GLM 5.3 Flash 实施全参数、全异步强化学习。Harvey 在其官方博客中复盘了这次实验，选择 GLM 5.3 Flash 的核心原因，是它在候选开放模型中拥有最扎实的初始基线。
实验产出了自报的突破性评测数据：在法律专业标准评测中，基准通过率从 0.853 提升至 0.913，全项达标率从 0.059 提升至 0.126。其专业评分刷新行业纪录，正面超越了 OpenAI 的 GPT-5.5 xhigh 与 Anthropic 旗舰模型 Opus 4.8 Max。这是行业首次通过垂直后训练在专业基准上击败同期的顶级闭源模型。Harvey 在官方技术复盘中，用两段论述揭示了后训练的核心规律。第一段指出：
“post-training, harness optimization, and grader design cannot be treated as separate problems”
随后他们给出了进一步的总结：
“the model only learns as well as the environment allows”
这两句话把优化的焦点拉回到了评测环境本身。打分器与测试集的质量，直接划定了模型最终能够达到的能力天花板。如果评测环境本身无法提供高区分度的打分信号，再多的算力投入也无法拉开差距。
把视野放宽到法律、金融与医疗领域的 12 家代表性企业，行业探索呈现出层次分明的分布格局。清晰走通这一路径的有 2 到 3 家，包括 Thomson Reuters、Harvey 第二代方案，以及 12 个月内估值暴涨 12 倍的医疗 AI 企业 Abridge；处于混合过渡状态的有 3 家，如 Bloomberg 转向小模型与商业接口协同、C3 AI 的 Narwhal，以及 Salesforce 的 xLAM 框架；坚持纯租用外部接口的有 2 家，包括金融智能平台 AlphaSense 以及 Thomson Reuters 的老对手 LexisNexis；遭遇挫折或收缩战略的则有 3 家，包括彻底放弃生产部署的 BloombergGPT、第一代 Harvey 微调模型，以及宣告退役的 Databricks DBRX。
梳理这 12 家企业的得失可以看清一条分水岭。受挫的企业往往把训练模型视为技术身份和终极目标，要么陷入从零预训练的泥潭，要么依赖公开语料进行粗浅微调；成功的团队则把自研模型定位为优化产品成本、调用延迟与控制权的工程手段，始终将其嵌入由通用前沿模型兜底的复合系统之中。
Thomson Reuters 自述投入的 4000 万美元总预算中，纯算力开销仅占 10 万到 20 万美元。这个悬殊的比例清晰标定了垂直后训练的真实重心：基础算力已经成为高度标准化、可以通过资本随时采购的公共商品。真正消耗数千万美元且无法从市场上直接买到的，是 175 年积累下的专有内容资产（涵盖判例法、实务指南与税务数据）、数百位资深领域专家的精细标注与深度参与，以及一套具备高区分度的专业评测体系。
把 RAG 框架与后训练放在同一个系统里审视，两者的分工边界便变得非常清晰。通用模型加 RAG 与专有模型后训练其实是同一个混合架构里互补的两个平面，分别负责不同的层次。事实这层是动态的、可引用、可删除、可回滚的，最适合留在模型外部，靠 RAG 和外部知识库来承载；行为与专业判断这层是稳定的、高频的、可评分的，才需要通过中后训练写进权重。
这种分工直接指出了稀缺资源到底沉淀在哪里。权重层本身已经被开源底座商品化，单纯把事实塞进权重既昂贵又难以维护。真正稀缺的资产，一方面是权重层承载不了的动态事实与知识索引，另一方面是能够持续对行为进行评分的私有数据飞轮与评测体系。决定系统上限的，正是在外部管理事实与在内部打磨行为的能力。
这种变化在应用层的演进中同样得到了印证。2023 年主流团队习惯准备数百条问答数据微调一个小模型来适配特定任务，如今普通开发者全面转向上下文学习与智能体工作流，微调不再是日常开发的主选项。相反，在拥有深厚数据资产的平台企业侧，针对开放底座的持续中后训练正在形成巨大推力，推动 Thomson Reuters 与 Harvey 在各自自报的专业评测中取得了超越通用闭源模型的效果。
在看到这套路径潜力的同时，技术报告中披露的负面信号同样需要认真对待。Thomson Reuters 自述的数据显示，在经历密集的法律领域持续注入后，模型的通用能力出现了可测量的回退。在数学推理基准 AIME 上，得分从底座的 93.3 下滑到 90.0；命令行环境评测 Terminal-Bench 从 45.2 跌至 40.5；编程测试得分也从 39.8 回落至 37.4。所谓在领域注入中完全避免遗忘的设想，在真实测试中并不成立。
这种能力的权衡恰恰解释了为什么 Thomson Reuters 必须在 CoCounsel 产品中坚持多模型共存的架构设计。垂直自研模型负责攻坚高价值的专业逻辑，通用前沿模型在通用推理与开放任务中提供托底保障。专业后训练伴随着明确的通用性能代价，架构上的多层对冲是必须保留的工程防线。
垂直公司能够走出第三条路，建立在一个关键假设之上：开源社区能够持续提供高质量、无附加商业限制的顶级底座模型。然而在 2026 年，这一前提正在发生实质性的收窄。
2026 年 7 月，月之暗面发布了 Kimi K3，采用 Modified MIT 协议，明确规定月活跃用户超过 1 亿或年营业收入超过 2000 万美元的商业产品必须单独签署授权协议。紧接着，正如行业媒体在 阿里巴巴关闭 Qwen Code 免费层的报道中所记录的那样，MiniMax 也将其许可模式调整为包含年收入 2000 万美元限制的社区商业授权。与此同时，阿里巴巴也开始针对 Qwen 系列的大规模商业客户推行收入分成机制。
国内开源厂商的商业策略正在集体转向。曾经以宽松开源换取开发者生态的阶段逐步落幕，通过控制开放权重实现商业变现成为主流诉求，纯粹无保留的宽松协议窗口正在加速关闭。DeepSeek 在 7 月底以标准 MIT 协议发布了 V4-Flash 模型权重，成为目前为数不多的纯开源通道，而其旗舰 V4-Pro 权重的最终分发方式仍存在诸多相互矛盾的行业报道。
回顾 Thomson Reuters 选择 Qwen、Harvey 押注 GLM 的决策背景，第三方团队在引入开放底座时，必须将开源协议审查置于工程立项的前置位置。如果未来的顶级开放模型普遍附带商业门槛或分成要求，整个垂直后训练路径的财务模型都需要重新计算。
综合 2026 年的技术与商业现实，企业在模型策略上面对三条清晰的演进路径。不同体量与数据储备的公司，需要匹配完全不同的要素组合。
第一条路径是从零自研前沿基座。这条路要求 100 亿至 500 亿美元的超大资本规模，承担脱离独立利润表的亏损压力，其门槛包含千亿级的外部融资承诺、长达数年的高强度算力采购合同，以及吉瓦级的能源供应，玩家已经收缩为与资本巨头深度捆绑的前沿实验室。第二条路径是纯粹租用通用商业接口。在这套逻辑下，模型退化为运行时的即插即用组件，产品价值完全沉淀在应用编排、交互设计与工作流集成中，这是绝大多数普通软件公司的理智选择。第三条路径则是投入数千万美元，在优质开放底座上构建私有化中后训练能力，专属服务于拥有高价值数据资产的行业巨头。
面对这三条路径，企业的判断框架其实很明确。对于坐拥海量独家专有数据、具备行业顶尖评测能力、深耕高价值低容错场景的垂直企业，第三条路提供了强有力的战略防御杠杆。但在启动之前，团队需要对照三项刚性前提自我审视：第一，是否具备可自动迭代的持续学习管线，保证每次上游基座更新时能够快速重新训练；第二，内部的评测标准是否足够硬核，能够直接作为强化学习的优化信号；第三，是否确立了多模型混合路线，由通用前沿模型在复杂长尾任务中提供兜底。对于缺乏私有数据沉淀的常规软件团队，盲目追求后训练只会重蹈早期微调的覆辙。
未来的演进节奏取决于两个关键风向标。一个是开源厂商在底座权重许可上的收紧节奏，它将决定第三条路的基石是否能够长期保持稳固；另一个是通用前沿模型在专业垂直场景下的渗透速度，一旦通用基座在法律或金融领域的推理能力再度实现代际跃升，垂直后训练带来的相对优势窗口就会面临新的挤压。