Harvey Tenet 是什麼：2026年8月法律AI開源權重後訓練全解析
Harvey 發布首個後訓練開源權重模型 Tenet。官網寫它在自有法律智能體基準上高於 Kimi K3 基座。這是研究預覽，數字由公司自報。
2026 年 8 月 20 日，法律 AI 公司 Harvey 發了一篇研究預覽。不是新的通用大模型發布，而是它說自己第一次把開源權重基座後訓練成面向長程法律任務的模型，名字叫 Tenet。
基座是 Moonshot 的 Kimi K3。後訓練與 Fireworks 一起做。官網標題是 Tenet Research Preview。Law.com 同日也寫了這篇發布。下列數字來自 Harvey 自己的文，不是第三方複測。
官網寫了哪些分數
| 對照 | Harvey 寫法 | 怎麼讀 |
|---|---|---|
| LAB 留出 | 完成量幾乎翻倍 | 公司內部跑分 |
| LAB Contracts | 約 +20%，全通過 +2 點 | 尚無公開榜 |
| 榜單位次 | Contracts 第一，LAB 第二 | 公司自報 |
| 客戶資料 | 未用於後訓練 | 官網附錄寫明 |
- 相對基座
- 合成資料、公開法律資料與人類專家資料後訓練後，LAB 留出完成量幾乎翻倍；LAB Contracts 多約 20%；全通過率分別高 9 和 2 個百分點。
- 遷移
- 官網寫未進訓練的 Mercor APEX Agents（公司法）與 Crosby Redline Bench 也高於 K3。法律知識類如 LegalBench、CUAD、MAUD 仍接近基座。
- 成本
- 公司說後訓練用獎勵塑形壓推理 token，性能上去時成本大致穩住。開源權重單價也更低。具體美元價未給。
- 裁判
- 訓練裡用 LLM 打分。消融後選用 Kimi 2.6 做裁判。
後訓練怎麼設
- 1
環境長得像 LAB
每條是封閉案卷：合夥人或式短指令、客戶材料、專家量規。平均約 50 條對錯標準，單次 rollout 可超過 1000 輪。
- 2
沙箱裡交卷
智能體在沙箱裡檢索、讀檔、起草，把交付物寫到磁碟結束。獎勵是量規滿足比例加整體項，全對有加成。
- 3
GSPO + LoRA
對 Kimi K3 全網做 rank-64 LoRA。每步 8 組、每組 8 條。約 1750 個環境，每輪約 150 步、一萬多次 rollout。
- 4
非同步迴路
與 Fireworks 做訓練／推理對齊。約 150 塊 NVIDIA B300，約兩個月。
還缺什麼公開材料
研究預覽
文中說要把工作從研究做到產品，並擴大算力。沒有公眾權重下載日，也沒有對外 API 價。
評測套件不同
附錄寫 LAB 用官方留出集，但加了訓練用的 finish 工具。APEX Agents 用了內部 harness，與 Mercor 規範不完全相同。
Contracts 無公開榜
LAB Contracts 500 題、報告 50 題留出，分數是 Harvey 自跑。
邊界
未寫獨立第三方用同一套件完整重現 Tenet。未寫權重託管地址。下一句是擴大 LAB 的法域與實務，以及把研究送進產品——沒有日期。
# Sources
# Harvey, 2026-08-20: Tenet Research Preview / Update on Harvey's Post-Training Effort
# Law.com, 2026-08-20: Harvey Introduces Tenet現在能下載 Tenet 嗎？
官網把它寫成研究預覽和開源權重方向，但沒有給出下載頁或日期。不要寫成已經公開可拉的權重。
是全新預訓練嗎？
不是。官網寫從 Kimi K3 做後訓練。另幾條能力實驗用的是 GLM-5.2 或 Qwen，不是同一張檢查點。
分數能當行業通榜嗎？
不能直接當。LAB 是 Harvey 的開源基準，但 Contracts 位次和部分對照是公司自跑；APEX 套件也與官方實作有出入。