Thomson Reutersは2026年8月24日、初の自社大規模言語モデルThomsonを発表した。あらゆる分野で最大の汎用モデルと競うのではなく、同社が長年蓄積してきた法律、税務、規制、ニュースのコンテンツと、編集者や専門家の判断を訓練・評価工程に組み込むモデルだ。
Thomsonはまずどこで使われるのか
Thomsonが最初に統合されるのは、弁護士が大量の文書や表を分析するCoCounsel LegalのTabular Analysisだ。SiliconANGLEによると、この機能ではThomsonがデフォルトになる一方、CoCounselはマルチモデル構成を維持し、管理者は必要に応じて他のモデルを選べる。
この構成はThomson Reutersの方針を示す。すべての仕事を一つのモデルに任せず、自社のコンテンツやツールが強い領域では専用モデルを使い、他の仕事では外部のfrontier modelも組み合わせる。企業にとっては、モデル選択をワークフローやデータ権限と一緒に設計できる。
どのように作られたのか
Thomson Reutersによれば、Thomsonはオープンソースの基盤モデルから始まり、中間訓練とポストトレーニングでWestlaw、Practical Law、Checkpoint、Reutersのコンテンツを加えた。数百人の専門家が訓練目標、問題例、ブラインド評価に参加し、WestlawやPractical Lawなどのツールと協調するよう訓練された。
同社は計画全体に約4000万ドルを投じ、最終訓練の費用は約45万ドルだったと説明する。これはThomson Reutersの構築方法と主張を示す数字であり、どの企業も同じ予算で同じ結果を再現できるという意味ではない。重要な資産はモデルの重みだけでなく、数十年分の専門コンテンツ、編集工程、ツール、評価者だ。
現時点の根拠はどこまでか
Thomson Reutersは、初期評価でThomsonが複数のタスクにおいて最新のfrontier modelに近く、自社コンテンツに接続すると法律情報の網羅性と引用品質で優位になると説明する。また、現時点で使われた情報は全データベースの10%未満だという。
これらの結果は独立検証とは分けて見る必要がある。モデルは発表前に法律・AI研究者へ提供され、今後も外部テストを続ける予定だ。小型のopen-weight版や開発者がAPIキーを申請するポータルは計画中の次の段階であり、今回の発表で広く開放された機能ではない。
なぜ他のAIチームも注目すべきなのか
Thomsonの事例は、企業が自社モデルを作る目的を「より大きな汎用モデルを再構築する」から「自社のコンテンツ、ツール、専門判断を仕事で使える能力にする」へ移す。金融、会計、医療、製造、法律のチームにとって重要なのは、内部データを正しく使い、権限を守り、追跡可能な引用を示し、誤ったときに人へ戻せるかだ。モデル名ではなく、ガバナンスと業務工程を一つの製品にできるかが差になる。
