重要新聞概述
湯森路透（Thomson Reuters）正式推出首款自研大型語言模型 Thomson，以提升法律與稅務領域的 AI 應用。公司投入約 4,000 萬美元 用於模型的訓練與運算資源，首波功能已整合至法律 AI 助理 CoCounsel Legal 的表格分析（Tabular Analysis）模組，協助律師快速彙整大量文件內容。
背景與技術路線
Thomson 並非從零開始打造，而是以 開放模型 為底層，選用 Snowdon 作為基礎。Snowdon 本身是以阿里巴巴的 Qwen 開放模型調整而成，湯森路透再以自有的專業資料進行二次訓練與微調（Fine‑tuning）。訓練素材主要來自：
- Westlaw 法律資料庫
- Practical Law 法律實務資料庫
- Checkpoint 稅務與會計資料庫
- Reuters 新聞服務
儘管已使用上述資源，實際投入的自有資料仍不到公司總資料量的 10%，顯示模型仍有大量擴充空間。數百名領域專家參與目標設計與模型評估，確保模型在法律與稅務專業任務上的準確度。
商業與法律應用影響
湯森路透的技術長 Joel Hron 表示，建置自有模型的首要考量是 降低長期成本，減少對第三方模型供應商的依賴。未來，Thomson 將逐步取代部分原本由 Claude（另一大型語言模型）處理的工作，同時保留多模型策略，根據不同任務靈活搭配自有與外部模型。
在 CoCounsel Legal 中，Thomson 先行支援的表格分析功能可一次檢視多份合約或稅務文件，將關鍵條款自動抽取並彙整成結構化表格，顯著提升律師與稅務顧問的工作效率。公司亦規畫將模型擴展至其他法律與稅務產品，形成完整的 AI 生態鏈。
未來展望與讀者啟示
內部測試顯示，Thomson 在部分法律與一般任務的表現已可與主流大型模型相匹配。為促進學術驗證，湯森路透將釋出 較小型的 Thomson 開放權重版本，供法律與 AI 研究者在非商業環境下測試。
對於法律、稅務與會計專業人士而言，Thomson 的出現預示著 AI 助理將從「輔助工具」升級為「專業夥伴」，未來的工作流程將更依賴高度客製化且成本可控的模型。業者若能掌握模型的使用時機與限制，將在資訊密集的法律與稅務市場中獲得顯著競爭優勢。