Harvey 借道 Kimi K3：OpenAI「亲儿子」为何押注中国开源

OpenAI 早期投资、被视为「亲儿子」的法律科技公司 Harvey，日前宣布基于月之暗面（Moonshot AI）开源模型 Kimi K3 后训练出首款自有模型 Tenet。这一选型在国内外 AI 圈引发广泛讨论：一家估值 110 亿美元、客户覆盖全球 75 家以上 Am Law 100 律所的公司，为何会从 OpenAI 生态出走，转向中国开源底座？

Harvey 与 OpenAI：从盟友到潜在对手

Harvey 创立于 2022 年，两位创始人分别有反垄断律师背景和 DeepMind、Meta 的工作经历。公司种子轮即获得 OpenAI Startup Fund 领投的 500 万美元，B 轮 8000 万美元由 OpenAI 与红杉资本继续加注。早期 Harvey 的产品直接建立在 OpenAI 模型之上，双方还曾合作训练面向美国判例法的定制模型。

分工一度十分清晰：OpenAI 提供通用底座，Harvey 负责把模型包装成律所可用的产品。然而，当基础模型公司开始向应用层延伸——Ironclad 联合创始人 Jason Boehmig 于 2026 年加入 OpenAI 负责法律产品线——Harvey 与上游的关系便从互补走向潜在竞争。

Token 成本失控：从技术采购费变成成本中心

Harvey 联合创始人 Gabe Pereyra 透露，2026 年 1 月至 6 月，公司平台月 Token 消耗量从约 1 万亿增长至 14.5 万亿，半年涨幅超过 14 倍。法律 Agent 通常需要读取数百份文件、反复检索判例、调用工具并交叉验证结论，任务链越长，Token 消耗越大。客户和收入留在 Harvey，但模型成本持续流向供应商，这一结构对一家 110 亿美元估值的公司难以长期维持。

Kimi K3：成本、性能与权限三重吸引力

2026 年 7 月，月之暗面开源 Kimi K3，总参数达 2.8 万亿，支持百万 Token 上下文，重点能力指向编程、知识工作与长周期 Agent 任务。独立评测平台 Artificial Analysis 的 Harvey LAB-AA 测试显示：

在衡量法律交付物质量的通过率评测中，Kimi K3 以 94.6% 排名第一，超过 Claude Fable 5；
在更严格的「整项任务全通过率」评测中，Kimi K3 以 26.7% 位居第一，约为第二名 Claude Fable 5 的两倍。

Arena 平台数据显示，Kimi K3 处于能力—成本帕累托前沿，单任务成本约 0.62 美元，不足 Claude Opus 5（Max）的五分之一。硅谷天使投资人 Jason Calacanis 表示部分大客户部署 Kimi 后成本下降约 90%。同时，开源权重允许 Harvey 自由修改模型、定制法律数据、优化推理路径并选择部署基础设施。

Tenet：用 150 块 B300 和两个月完成法律专精化

据 Harvey 官方技术博客披露，团队搭建了约 1750 个法律任务环境，将事实判断、引用要求、风险评级、修改建议与交付格式拆解为可评分标准，通过强化学习将律师工作方法写入模型。后训练仅使用约 150 块 NVIDIA B300，耗时两个月。

Legal Agent Bench 测试中，Tenet 的整项任务通过率为 19.7%，高于 Fable 5 的 11.5% 和 GPT-5.6 Sol 的 2.5%；在 APEX Agents 企业法律任务测试中，Tenet 取得 74.0%，同样领先于 Fable 5（67.4%）与 GPT-5.6 Sol（60.3%），处于研究预览阶段。

从一家公司到一类范式

Harvey 的路径可概括为：开放权重底座 + 行业专家数据 + 任务评价环境 + 后训练 = 专有的垂直模型能力。对医疗、金融、制造等同样掌握大量行业知识的公司而言，垂直壁垒正在从「接入闭源 API + 套壳」转向「自有任务环境 + 专家反馈闭环」。韩国 Digital Today、日本 Livedoor 等媒体已将 Harvey 案例纳入「垂直 AI 摆脱前沿模型依赖」的产业趋势报道。Harvey 方面则表示，下一步计划将算力从 1000 卡扩展至 10000 卡，进行全参数微调，并尝试更多开放底座，最终目标是让每家律所都拥有自己的专有模型。