Harvey 发布 Tenet：首个法律领域 post-trained 开源模型，基于 Kimi K3 + Fireworks AI
Harvey 于 8 月 20 日发布 Tenet，其首个 post-trained 开源权重法律模型。Tenet 基于 Moonshot AI 的 Kimi K3 基座，与 Fireworks AI 合作通过异步强化学习（async RL）在合成数据、公开法律数据和人类专家数据上 post-train。Harvey 称 Tenet 在 Legal Agent Bench (LAB) Contracts 和 Mercor APEX Agents (Corporate Law) 基准上超越 Claude Fable 5、GPT-5.6 Sol、Gemini 3.1 Pro 等前沿模型，同时保持开源级别的 token 成本。
Harvey 发布 Tenet：首个法律领域 post-trained 开源模型
Harvey 发布 Tenet，其首个 post-trained 开源权重法律模型。
事件背景
Harvey 此前依赖通用前沿模型（OpenAI、Anthropic、Google）构建法律 AI 产品。8 月 20 日的公告标志着 Harvey 从 API 集成走向自有模型，同时保持开源权重的成本优势。
技术路径
| 组件 | 选择 |
|---|---|
| 基座模型 | Moonshot AI Kimi K3（开源） |
| Post-training | Fireworks AI 异步强化学习 |
| 训练数据 | 合成数据 + 公开法律数据 + 人类专家数据 |
| 目标能力 | 长周期、Agent 式法律任务 |
基准表现
Harvey 测试 Tenet 对比 6 个前沿模型（Claude Fable 5、GPT-5.6 Sol、Gemini 3.1 Pro、Kimi K3、Grok 4.5、Muse Spark 1.1）：
| 基准 | Tenet 排名 |
|---|---|
| LAB Contracts | 第一 |
| Mercor APEX Agents (Corporate Law) | 第一 |
| LAB 整体 | 第二（接近第一） |
| 法律知识基准 | 与前沿模型持平 |
成本优势
作为开源权重模型，Tenet 的 token 价格远低于闭源前沿模型。Harvey 还通过 post-training 引导模型使用更少 token 完成任务，进一步降低成本。
战略意义
- 垂直领域自有模型：法律 AI 从 API 集成走向自有模型，降低对通用模型厂商的依赖
- 开源基座 + 垂直 post-training：证明开源模型通过正确的 post-training 可以在垂直领域达到前沿水平
- 异步 RL 方法：Fireworks AI 的异步 RL 平台被验证可用于高价值垂直场景
风险边界与后续观察
- Tenet 仅在法律基准上测试，通用能力未知
- 开源权重的许可条款和商用限制待确认
- 异步 RL 的可复现性和稳定性需独立验证
- Harvey 的基准测试由自己设计，第三方复现待观察
- 其他垂直领域（医疗、金融）是否跟进类似路径
AI Master 解读
核心事件
Harvey 8 月 20 日发布 Tenet，首个法律领域 post-trained 开源权重模型，基于 Kimi K3 + Fireworks AI 异步 RL。
行业影响
为什么重要： 这标志着法律 AI 从 API 集成走向自有模型。Harvey 用 6 个月研究证明，通过正确的 post-training 环境和异步 RL，开源基座模型可以在垂直领域达到甚至超越闭源前沿模型的性能，同时保持成本优势。这对其他垂直领域（医疗、金融）的 AI 应用有示范意义。
影响分析：
| 维度 | 影响 |
|---|---|
| 法律 AI | 从 API 集成走向自有模型，降低对 OpenAI/Anthropic 依赖 |
| 开源模型 | Kimi K3 作为基座被验证可用于高价值垂直场景 |
| 训练方法 | 异步 RL + 合成数据 + 专家数据的组合可复制 |
| 成本结构 | 开源权重 + 低 token 成本，对中小律所友好 |
风险边界： Tenet 仅在法律和 Agent 基准上测试，通用能力未知；开源权重不等于完全开源（许可条款待确认）；异步 RL 的可复现性和稳定性需独立验证；Harvey 的基准测试由自己设计，第三方复现待观察。
AI Master 建议
关注 Tenet 的许可条款和商用限制；评估异步 RL 在其他垂直领域的可复制性；跟踪法律 AI 从 API 集成走向自有模型的趋势；对比其他垂直领域（医疗、金融）的类似尝试。 **来源:** Harvey / Law.com / Business Insider **链接:** https://www.harvey.ai/blog/introducing-harvey-ii