Thomson Reuters 於 2026 年 8 月 24 日宣布推出首個自研大型語言模型 Thomson。這個模型不是要在所有領域和最大型的通用模型競爭，而是把 Thomson Reuters 長期累積的法律、稅務、監管與新聞內容，以及專業編輯和領域專家的判斷，直接放進模型的訓練與評估流程。
Thomson 先用在哪裡？
Thomson 的第一個產品整合點是 CoCounsel Legal 的 Tabular Analysis，也就是協助律師處理大量文件與表格分析的功能。SiliconANGLE 報導，Thomson 將成為這項功能的預設模型，但 CoCounsel 仍會維持多模型架構，管理員可以依工作需要選擇其他模型。
這個安排說明 Thomson Reuters 對自研模型的定位：不是把所有任務都交給同一個模型，而是在公司擁有明顯內容與工具優勢的工作上使用專用模型，其他任務則繼續搭配外部 frontier models。對企業來說，模型選擇可以跟工作流程和資料權限一起設計。
它如何建立？
Thomson Reuters 表示，Thomson 從一個開源基礎模型開始，再透過中期訓練與後訓練加入 Westlaw、Practical Law、Checkpoint 與 Reuters 等內容。數百名主題專家參與訓練目標設計、問題範例建立與盲測評估，模型也被訓練成能和 Westlaw、Practical Law 等工具協作。
公司說，整個計畫投入約 4,000 萬美元，最後一次訓練的成本約 45 萬美元；這些數字描述的是 Thomson Reuters 的建置方式與成本主張，不代表所有公司都能用相同預算重現同樣結果。它的關鍵資產不只是模型權重，而是數十年的專業內容、編輯流程、工具與評估者。
目前證據到哪裡？
Thomson Reuters 表示，早期評估顯示 Thomson 在多項任務上接近最新 frontier models；接上自家內容後，模型在法律資料的完整性與引用品質上更有優勢。官方也指出，目前使用的內容還不到整個資料庫的 10%。
這些結果仍要和獨立驗證分開看。模型在發布前已提供給法律與 AI 學者評估，接下來也預計持續開放外部測試；小型 open-weight 版本與讓開發者申請 API key 的入口，則是公司表示正在規劃的後續工作，不是這次發布就全面開放的功能。
為什麼一般 AI 團隊也值得注意？
Thomson 的案例把企業自研模型的重點從「重新做一個更大的通用模型」移到「把自己的內容、工具與專業判斷訓練成可用的工作能力」。對金融、會計、醫療、製造與法律團隊來說，真正的差異可能在於模型能否正確使用內部資料、遵守權限、給出可追溯的引用，以及在錯誤時讓人員接手。模型名稱本身不是護城河，能不能把資料治理與工作流程一起做成產品才是。
官方資訊可參考 Thomson Reuters 官方發布、Thomson 模型介紹，以及 SiliconANGLE 的產品報導。
