汤森路透斥资4000万美元自研大模型Thomson，底座来自阿里千问

汤森路透集团于近日正式对外公布旗下首款大语言模型Thomson。该模型以阿里巴巴千问系列中的Qwen3.5-397B为基础模型构建，是这家全球领先的新闻与专业信息服务集团在生成式AI领域迈出的重要一步。汤森路透表示，Thomson已跻身全球最佳AI模型之列，将重点服务于法律、合规及文档审查等专业场景。

在成本层面，外界此前广泛流传的45万美元数字仅代表最后一次训练的费用，而Thomson的实际总研发投入约为4000万美元，按现行汇率折合人民币约2.69亿元。这一数字揭示了大型企业自研专业模型的真实门槛，也表明汤森路透将AI能力建设视为长期战略投资，而非短期技术试验。

在模型训练路径上，汤森路透首先与帝国理工学院合作，对Qwen3.5-397B基础模型进行重新训练，使其在安全性、伦理规范和政治中立性方面达到企业标准。此后，公司利用自有的海量新闻与专业内容对模型进行预训练和后训练，并在内部封闭环境中完成强化学习，从而将通用基础模型转化为高度定制化的专业工具。

在基准测试表现方面，Thomson在Stanford LegalBench中得分0.823，落后于Gemini 3.1 Pro和GPT-5.5，但在Harvey Legal Agent Benchmark中仅略低于Opus 4.8。值得注意的是，Thomson在测试中启用了推理阶段扩展，而GPT-5.5则在未开启推理模式的条件下参与对比，两者测试条件存在差异。在深度搜索测试中，Thomson得分0.53，GPT 5.4为0.65，差距仍较为明显。

汤森路透明确表示，放弃采购OpenAI、Anthropic等美国闭源模型的核心原因有两点：一是外部模型的长期使用成本较高，二是闭源架构限制了企业对模型的深度定制能力。相比之下，基于开源底座自研的小规模专业模型，在文档审查、法律分析等垂直场景中具备更强的适配性与可控性，也更符合汤森路透对数据安全和业务合规的严格要求。

汤森路透选择阿里千问作为底座，折射出全球企业在AI基础设施选型上的多元化趋势。随着中国开源大模型在性能和生态上持续成熟，越来越多的国际机构开始将其纳入技术选型视野。Thomson的发布也预示着，专业信息服务行业的AI竞争正从单纯的API调用走向深度自研与场景定制的新阶段。

要点

• Thomson总研发成本约4000万美元，外界流传的45万美元仅为最后一次训练费用，两者相差近90倍。
• 模型底座采用阿里千问Qwen3.5-397B，并联合帝国理工学院完成安全、伦理与政治中立性改造。
• 在Stanford LegalBench测试中得分0.823，略低于Gemini 3.1 Pro和GPT-5.5，但测试条件存在差异。
• 汤森路透放弃闭源商业模型，主因是长期成本过高且定制自由度不足，自研路线更适合垂直专业场景。
• 此案例表明中国开源大模型正被更多国际头部机构纳入企业级AI建设的底座选型。