OpenAI投的700亿AI独角兽，反手用了中国开源模型

八月，美国法律AI圈出了件”反水”的事。

Harvey，估值上百亿美元（约700亿人民币）、服务全球2000多家机构、覆盖二十多万律师的头部法律AI公司，发布了自家第一个自研模型。

叫Tenet。

名字不重要，重要的是它的底座——

来自中国公司月之暗面的开源模型：Kimi K3。

你没看错。OpenAI创业基金是Harvey的种子投资人，Harvey过去也一直拿硅谷最顶尖的闭源模型干活。

结果它自研的第一个模型，没抱OpenAI大腿，转头用上了中国开源模型。

为什么？一句话：租来的脑子，终究不是自己的

过去，垂直行业的AI公司只能”租房”——模型是别人的，每次调用都要付钱，自家的业务标准也训练不进模型里。改不了、控不住、还要看人脸色。

开源模型出来之后，这笔账算明白了。

Kimi K3，2.8万亿参数，896个路由专家，100万token的超长上下文。前沿级能力摆在那，却能把权重拿在手里，能自己跑，还能接着训。

Harvey干的事，就是在Kimi K3基础上做”后训练”：150张NVIDIA B300 GPU，跑两个月，搭了1750个模拟律所工作流的任务环境，用异步强化学习，把”怎么完成一份合格的法律工作”一点一点教给模型。

单次任务能跑超1000轮对话，消耗几十万token——这不是聊天，是干活。

在自家Legal Agent Benchmark上，全通过率提升9个百分点，几乎翻倍；合同审查子项，直接做到当前最优，整体排名第二。这些能力还泛化到了训练时从没见过的外部基准上。

成本，只有顶级闭源模型的四分之一。

对律所来说，这四个字就够了：省。而且，客户的机密数据全程没出过门——Harvey明说，训练没用任何客户数据。

过去两年，开源模型的故事一直是”更便宜的替代方案”。Harvey给了个新叙事：行业公司，能真正”拥有”自己的模型。

法律、金融、医疗、科研——这些专业知识密集、数据敏感的行当，都有机会用”开源基座+行业后训练”，造属于自己的专属模型。

这不是孤例。马斯克收购的AI编程公司Cursor，拿Kimi K2.5当底座训自己的编程模型；AI程序员Devin，也基于Kimi K2.7 Code开发了自己的模型。

开源模型，正在悄悄变成AI时代的世界基座。有点像当年的安卓——手机厂商都拿它当底层，各自定制。

换句更直白的话：AI竞争的主战场，正在从”谁能写代码”，转向”谁能理解和重构专业知识工作”。

一份并购合同里藏着哪些风险？一份法律备忘录该覆盖哪些要点？这些以前靠律师的经验吃饭，现在开始被系统化、被量化、被一点点训练进模型权重里。

Tenet今天还只是个开始。权重没公开、API也没有，离大规模验证还远。Harvey自己都说：这是研究预览，不是成品。

但方向已经明明白白。

当垂直行业的领头羊们，开始用开源基座自己造”私有大脑”，闭源模型的定价权，恐怕要开始松动了。

这场戏，好看了。