汤森路透基于阿里千问自研AI模型

汤森路透集团近日正式公布了其首款自研大语言模型“Thomson”，该模型基于阿里巴巴的千问基础模型构建，并宣称拥有顶级表现。据官方披露，该模型的整体研发成本约为4000万美元，约合人民币2.69亿元。此前外界流传的45万美元仅为最后一次训练的费用，并非全部研发投入。

在技术路径上，Thomson使用了当前版本的Qwen3.5-397B作为基础模型。汤森路透先与帝国理工学院合作，对基础模型进行重新训练，使其符合安全、伦理及政治中立性要求。随后，公司使用自有专业内容对模型进行预训练和后训练，并在内部环境中引入强化学习，从而最终形成面向法律、金融等专业场景的定制化模型。

在性能评测方面，汤森路透表示，Thomson已跻身全球最佳AI模型之列。在Stanford LegalBench测试中，该模型取得了0.823的得分，与Gemini 3.1 Pro和GPT-5.5相比仍有差距。而在Harvey Legal Agent Benchmark测试中，Thomson的表现仅略低于Opus 4.8。值得注意的是，Thomson在测试过程中使用了推理阶段扩展技术，而GPT-5.5是在未开启推理模式的条件下参与对比的。在深度搜索测试中，Thomson的得分为0.53，同期GPT 5.4的得分为0.65。

对于为何不选择OpenAI、Anthropic等美国闭源模型，汤森路透解释称，外部模型的长期使用成本较高，且难以根据自身业务需求进行高自由度调整。相比之下，小规模自研模型在文档审查等特定场景中具有更高的适配性和成本效益。这一决策也反映出专业内容机构在AI应用上正从“租用通用模型”转向“自建专属模型”的趋势。