老黃剛砸60億，要造一個地表最強開源模型。
沒想到OpenAI的親兒子等不及了，已經拿K3把自己的模型給練出來了！
你敢信？
OpenAI親手投的公司，第一次自己訓模型，底座沒用GPT，用的是中國模型！
就在上周，矽谷明星中的明星，估值110億美元的法律AI公司Harvey，官宣了他們首個自有模型Harvey Tenet。
這事最大的看點是，Tenet的底座用的是中國開源模型Kimi K3！
這就有意思了。
要知道，OpenAI可是Harvey的重要投資人，但他們的第一個自研模型，底座卻來自中國。
Harvey是目前全球估值最高的法律AI公司。服務1300家機構、超過10萬名律師，覆蓋60個國家。Latham & Watkins、A&O Shearman、匯豐、普華永道、橋水、KKR都是它的客戶。
去年底，估值就已經幹到了80億美元。今年3月衝到110億，最新一輪的155億估值融資已經在談了。
最有故事感的是它的出身。
2022 年，27 歲的前訴訟律師 Winston Weinberg 和前 Google DeepMind 研究員 Gabe Pereyra 靠一封發給 Sam Altman 的郵件起家。
Altman回了郵件，他們坐上了與Altman及OpenAI高管團隊的電話會。從此，OpenAI 創業基金領投了 Harvey 的種子輪。
一個律師加一個研究員，一封郵件，四年幹到 110 億。
這本身就足夠傳奇了。
但現在這個劇本多了一個反轉——OpenAI 投錢養大的公司，第一個自研模型選了中國底座。
這事還得從帳單說起
Harvey 過去的打法很標準：拿 OpenAI、Anthropic、Google 的閉源模型做路由，客戶不同的需求分發給不同的模型。
每呼叫一次，就付一筆錢。
本來這也正常，做應用層嘛，底層能力花錢買就是了。
但問題是，賣你東西的人開始惦記你的生意了。
OpenAI 挖走了合同管理公司 Ironclad 的創始人 Jason Boehmig，讓他去領導 OpenAI 自己的法律業務。Anthropic 推出了面向律師的文件審查外掛。
今天賣你 API 的人，明天就坐在了你客戶的會議室裡。用 Harvey 聯合創始人 Pereyra 的話說，這不是「供應商」，這是「未來的競爭對手」。
Harvey 每月要處理 13 兆 token，每一個 token 都是從別人那裡買的。成本根本不受控。
這簡直太可怕了。模型廠說漲價就漲價，根本毫無還手之力。
於是 Harvey 做了一個決定：自己訓一個模型。
手裡有一個自己能改、能部署、成本可控的模型，再回去談 API 價格，底氣就完全不一樣。
150 塊卡，兩個月
Tenet的底座是Kimi K3。2.8兆參數MoE（混合專家架構），100萬token 上下文，原生多模態，目前全球最大的開放權重模型。
訓練過程值得說一下，它展示了一種全新的「造模型」方式。Harvey 聯合創始人 Pereyra還專門發了一篇長文介紹。
Tenet 的訓練只用了約 150 塊 NVIDIA B300，跑了兩個月。
從頭開始預訓練一個前沿模型動輒要幾萬張卡燒上好幾個月，花費數億美元以上。
150 塊卡兩個月，相當於是在別人蓋好的摩天大樓上做精裝修。直接入住了。
主要方法是非同步強化學習：Harvey 不是教模型更多法律知識，而是教它怎麼像一個資深律師一樣完成工作。
怎麼教？找真律師來當教練。
Harvey 請了一幫執業律師，讓他們編案子：虛構一樁併購糾紛、湊一堆合同檔案，然後讓模型上手干。
幹完了，律師一條一條地審：關鍵風險漏沒漏？判例引對沒有？結論邏輯站不站得住？列出幾十條硬槓槓，每條只有「過」和「沒過」，全過才算完成，差一條整個任務直接判零。
這是教模型合夥人等級的活。
在Harvey自建並已開放原始碼的法律基準LAB上，Tenet 相對 K3 底座全通過率提升 82%，任務完成數接近翻倍；Contracts 子榜達到 SOTA，總榜排第二。
合作方 Mercor 拿公司法任務測了一輪，Tenet 比基座 K3 高出 15 分，直接拿了第一。跑起來還便宜——推理成本不到主流前沿模型的四分之一。
一句話：用四分之一的錢，幹出了最強模型的活。
最懂行的買家
為什麼選了 K3？
法律服務是全球客單價最高、對錯誤最零容忍的行業之一。
Harvey可不是什麼網際網路小團隊圖便宜，它服務的是全世界最貴的律師。一份盡調備忘錄漏了一條風險，後果可能是幾千萬美元的訴訟。
這樣的玩家第一次造自己的模型，選了Kimi K3。
這絕不是拍腦袋定的。而且 Harvey 不是第一個。
幾個月前，AI 程式設計一哥 Cursor 發佈「自研」模型 Composer 2，三天後被開發者從 API 裡扒出模型 ID：kimi-k2p5-rl-0317，底座是 Kimi K2.5。聯創後來認了，說發佈時沒提基座「是一個失誤」。
AI 搜尋龍頭 Perplexity 更早。K2 一開源，CEO Aravind 就在 X 上說內部評測表現搶眼，隨即啟動後訓練。
這家公司在開源圈有個外號叫「驗貨官」。它用不用你，是模型能不能扛住真實產業環境的風向標。
連 OpenAI 前 CTO Mira Murati 創辦的 Thinking Machines，都把 Kimi K2 Thinking 接進了自家微調產品 Tinker 。
程式設計、搜尋、法律，一路排下來，Kimi 已經成了當之無愧的「基模之光」。
K3 是目前全球參數量最大的開放權重模型。在 Artificial Analysis 獨立評測的 Harvey LAB-AA 法律基準上，最嚴格的全通過率口徑，K3 拿了 26.7%，幾乎是 Fable 5（14.2%）的兩倍。
也就是說，在 Harvey 自己出題的那場法律考試裡，裸考成績最好的就是 K3。
但光成績好不夠，Harvey 需要的是一個能拆開改的底座。閉源模型再強，權重鎖在 API 後面，你只能調參數、寫提示詞，碰不到模型骨架。
K3 的權重是公開的，Harvey 可以拿 LoRA 深入到 50 萬個專家張量裡做手術。
100 萬 token 的上下文窗口，又天然適合法律場景。一個併購案的資料動輒幾千萬 token，窗口不夠長的模型連捲宗都塞不進去。
而且便宜。成本差了很多倍，但在法律任務上性能還更好。對一家月處理 13 兆 token 的公司來說，這筆帳根本都不用算。
當然，Harvey 的平台仍然接可以入 Claude Opus 5 和 GPT-5.6 Sol，Tenet 是多一個自有選項，不是替代。
但這個選項本身就是籌碼。手裡有一個自己能改、成本只有四分之一的模型，再去和 API 提供商談價格，底氣完全不同。
這也不是 Harvey 一家的判斷。
OpenAI 7 月 30 日就把 GPT-5.6 Luna 降價 80%，發佈才三周就打了八折。
CNBC 報導稱，中國模型在 OpenRouter 上的美國企業 token 用量一度佔到 46%。DoorDash、Airbnb 都在用中國模型控成本。
美國科技圈頂流 David Sacks 轉發了這條消息。他說得很直白：你禁開源模型，中國那邊該發 Kimi 還是照樣發，倒霉的只有 Harvey 這種美國創業公司。
每家公司都能有自己的模型
Harvey 演示的其實是一條可以被覆制的路徑：拿一個開放權重底座，加上行業專家資料，再加後訓練，任何垂直領域的公司都能煉出自己的前沿模型。
這才是真正值錢的部分。
底座模型越來越像工業原材料，真正的競爭壁壘在行業環境、專家反饋、後訓練方法和部署經濟性上。
Harvey 說下一步要把算力從 1000 卡擴到 10000 卡，做全參數微調，還要嘗試更多開放底座。目標是讓每家律所都能擁有自己的專有模型。
全球客單價最高、對錯誤最零容忍的行業，第一個拿到了造自己模型的入場券。醫療、金融、工程行業都在看著。
底座是一個中國模型。(新智元)