Harvey Tenet란?: 2026년 8월 법률 AI 오픈웨이트 후학습 해설

Harvey가 첫 후학습 오픈웨이트 모델 Tenet를 냈다. 공식은 자체 법률 에이전트 벤치에서 Kimi K3보다 낫다고 쓴다. 연구 프리뷰이며 숫자는 회사 측이다.

2026년 8월 20일 법률 AI 회사 Harvey가 연구 프리뷰를 냈다. 새 범용 모델이 아니라, 오픈웨이트 기반을 장시간 법률 작업용으로 후학습한 첫 체크포인트라고 한다. 이름은 Tenet.

기반은 Moonshot의 Kimi K3. 후학습은 Fireworks와. 제목은 Tenet Research Preview. Law.com도 같은 날 썼다. 아래 점수는 Harvey 것이며 제3자 재실행이 아니다.

공식이 적은 점수

기반 대비

합성·공개 법률·전문가 데이터 후 LAB 홀드아웃 완료가 거의 두 배. LAB Contracts는 약 20% 증가. 전부 통과는 9포인트와 2포인트 상승.

전이

학습에 없던 Mercor APEX Agents(회사법)와 Crosby Redline Bench도 K3를 넘는다고 쓴다. LegalBench, CUAD, MAUD 등 지식 벤치는 기반과 가깝다.

비용

보상 성형으로 짧은 도구 사용을 유도해 성능이 올라도 비용은 대략 평평하다고 한다. 단가는 오픈웨이트가 더 싸다. 달러 요금은 없다.

채점

롤아웃은 LLM 채점. 절제 후 Kimi 2.6을 골랐다.

후학습을 어떻게 놓았나

1. 1

   LAB 비슷한 환경

   각 건은 닫힌 사건: 짧은 파트너 요청, 고객 파일, 전문가 루브릭. 평균 약 50개 이진 기준. 한 번의 롤아웃이 1000턴을 넘을 수 있다.

2. 2

   디스크에 씀

   에이전트는 샌드박스에서 검색·읽기·초안을 쓰고 산출물을 디스크에 쓴다. 보상은 루브릭 충족과 전체 항, 만점 보너스.

3. 3

   GSPO + LoRA

   Kimi K3 전체에 rank-64 LoRA. 스텝당 8그룹×8본. 약 1750개 환경. 에포크당 약 150스텝, 1만 본 이상.

4. 4

   비동기 루프

   Fireworks가 학습과 추론을 맞춘다. NVIDIA B300 약 150장, 약 두 달.

아직 없는 공개물

경계

같은 하네스에서 Tenet를 재현한 독립 랩은 인용되지 않았다. 가중치 호스팅 URL도 없다. 다음은 LAB 관할 확대와 연구의 제품화 — 날짜 없음.

# Sources
# Harvey, 2026-08-20: Tenet Research Preview / Update on Harvey's Post-Training Effort
# Law.com, 2026-08-20: Harvey Introduces Tenet