💼 Thomson Reuters потратила $40 млн на собственную AI-модель Компания обучила собственную LLM на юридических и налоговых данных, чтобы контролировать модель и снизить стоимость её работы.

24 августа Thomson Reuters представила модель Thomson. Компания взяла open-source основу и дообучила её на собственных данных Westlaw, Practical Law, Checkpoint и Reuters. На обучение ушло около $40 млн, а финальный training run стоил примерно $450 тыс. Почему это важно 🤝

Thomson Reuters не пытается сделать универсальную модель для всех задач.

Она делает модель под конкретную профессиональную область, где есть собственные данные, эксперты и дорогие ошибки.

При этом компания заявляет, что Thomson уже конкурирует с ведущими frontier-моделями на ряде юридических задач.

Реальный вывод Собственные данные становятся частью AI-модели, а не просто источником для RAG. Для компаний с большой внутренней базой знаний это открывает отдельную стратегию: специализировать open-source модель под свою отрасль вместо постоянной зависимости от универсальных LLM.

Что сделать уже сегодня 🤝

Если у компании есть тысячи документов, инструкций, кейсов или экспертных материалов — оцените их как конкурентный AI-актив.

Сначала не обучайте модель. Проверьте, насколько хорошо open-source LLM работает на ваших данных и где именно ей не хватает отраслевой специализации.

🔗 Ссылка: thomsonreuters.com